104學習

精算

這項技能主要運用數學、統計與金融知識，評估未來風險與不確定性，幫助企業制定保險費率、退休金計畫及財務預測。具備此能力的人能精準分析資料、量化風險，協助公司降低損失並提升決策品質。在金融、保險及退休規劃等行業中極具價值，是企業穩健經營的重要支柱。

35 人關注

733 個相關職缺

測測你現在的程度

花 5 分鐘了解自己的能力，找到最適合的學習起點

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

風險評估與管理

【天下學習｜線上課】財報解讀力：從數字做對賺錢、花錢、省錢的好決策

【大師開講】以銀行精準行銷看金融AI大數據迷思與應用

風險OUT！風險管理看過來

AI財務力：從數字到決策的智慧應用【9/3】

職場必學的資安威脅與防範

【績效管理-入門】企業績效目標設定及評估

打破迷思，快速了解智慧財產權

AI 商業數據與工作應用實戰：分析、報表與決策支援【09/30】

精選證照

考取專業證照，讓能力被市場看見

精算師

精算人員主要負責公司整體的財務規劃，包括保險商品的設計，與法務及高級行銷主管共同設計保單條款、保險費率的釐訂、保單責任準備金的提列、解約金及保單紅利的計算、營業費用分析、單一商品及公司整體表現的檢視、死亡率及各項商品發生率的統計分析，協助編製各項管理用的財務報表，如為外商壽險公司可能另須依外國總公司之財務準則編製所需的報表。

中華民國精算學會

美國保險精算師證照FSA

精算師證照為保險證照中，難度最大、價值也最高的證照。整體而言，精算師在商界的地位比會計師還高，大多數精算師在保險公司服務；少部分受雇於顧問公司，替小型保險公司、銀行及企業提供精算服務；也有人任職於政府部門，負責管理保險及退休金，並為社會保險制度提供精算指導。

美國精算協會

中華民國精算師（產險類）

中華民國精算學會

中華民國精算師（壽險類）

中華民國精算學會

中華民國精算師（退休金類）

中華民國精算學會

台灣風險數據分析師

「風險數據分析師」透過測驗與高階研習，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、風險管理決策與改善或優化方案的能力。

社團法人台灣風險管理協會 Taiwan Risk Management Institute (TRMI)

精選貼文，掌握第一手知識

2026年雲主機費用結構與成本效益分析報告：企業預算精算與風險規避策略研究

摘要雲主機已成為企業數位營運的核心基礎設施，但2026年的雲端市場呈現高度複雜的計價結構，使多數企業面臨嚴重的預算不可控問題。研究顯示，超過四成企業因未掌握雲端費用模型而產生高額隱藏成本，特別是網路傳輸費、儲存操作費與附加服務費用。分析指出，單看月費無法反映真實成本，必須採用總體擁有成本模型，並搭配 FinOps 管理策略，才能避免雲費用黑洞。透過戰國策集團的專業託管模式與混合式採購策略，企業能在彈性運算與精準預算間取得平衡，將雲主機從成本中心轉化為效益成長的動能 ⚡。市場概況：雲端運算產業現狀與企業採用趨勢 2026年，全球雲端市場持續高速成長，AI、大數據、SaaS 與自動化服務的普及，使雲主機需求呈幾何級倍增。越來越多企業從傳統主機轉向雲端，但面臨的挑戰也同步增加，包括成本暴衝、資安風險與資源管理困難。市場趨勢一：雲成本浪費持續攀升研究指出，每年約有40%雲資源因配置不當而被浪費。導致浪費的主因包括困境一：未關閉閒置資源困境二：儲存層級使用錯誤困境三：未管理網路流出頻寬困境四：缺乏可視化的成本監控工具市場趨勢二：台灣企業雲採用率連年提升台灣中小企業在2026年的雲採用率首次突破60%。主要原因包含策略一：降低前期硬體投資壓力策略二：快速部署與彈性擴展需求策略三：朝向AI應用與自動化轉型市場趨勢三：本土服務商崛起，顧問式雲服務成主流國際雲供應商提供高彈性的計價模式，但費用複雜難以預測；本土供應商如戰國策集團以顧問式服務切入市場，提供全託管雲服務、FinOps 成本管理、資安防護整合，讓企業可一次取得完整雲端管理方案 🔧。雲主機費用結構解析：四大核心成本支柱雲主機費用絕不等於「主機月租費」。若只看表面價格，企業將陷入成本陷阱。完整成本結構包含四大支柱。一計算資源成本 Compute Cost 計算資源構成雲費用的基礎核心影響因子如下策略一：CPU 及 RAM 規格策略二：執行時長策略三：作業系統授權 Windows 授權成本高於 Linux 研究顯示，Compute 佔企業雲成本約35%到50%。然而真正的費用陷阱不在於計算費，而在於儲存與網路相關成本。二儲存資源成本 Storage Cost 儲存是最容易被低估的費用項目不同儲存類型具有不同單價與操作成本儲存層級拆解如下策略一：高效能 SSD 儲存適合資料庫與系統碟策略二：一般 HDD 儲存用於備份與低頻存取策略三：物件儲存用於圖片影片靜態檔案策略四：冷資料歸檔儲存成本最低但存取速度慢常見儲存錯誤困境一：所有資料統一放SSD 導致高額儲存費困境二：未設定自動生命週期管理困境三：快照過多造成巨大成本三網路傳輸成本 Networking Cost 這是企業最常忽略但最可怕的成本黑洞 🚨 流量分為兩種類型流入 Inbound 通常免費流出 Outbound 從雲端到使用者需高額費用大量影音、電商、下載型網站最容易出現流量爆炸導致雲費用暴衝。研究顯示 Outbound 常占企業雲帳單的30%到70%。四附加服務成本 Add-on Services 雲供應商提供許多額外服務每項都會獨立計費包含以下高成本項目策略一：WAF 網站應用程式防火牆策略二：Load Balancer 負載平衡器策略三：資料庫託管 RDS 策略四：CDN 內容傳輸網路策略五：監控告警服務企業若未釐清使用方式，將遭遇不可預期的費用黑箱。市場價格比較：採購模式與成本差異分析雲主機採購模式影響整體預算，每種模式皆有其優缺點。採購模式比較模式一即付即用 PAYG 彈性最高成本波動最大適合測試環境或流量不穩定的服務模式二預留實例 RI 需承諾一年或三年最高可節省70%的費用適合長期且穩定的業務模式三競價實例 Spot Instance 成本最低可省90% 但隨時可能被中斷適用計算任務或可分段處理的批次作業戰國策集團混合式預算管理方案戰國策透過 FinOps 分析工具混合運用 PAYG 與 RI 策略優勢包含策略一：降低費用20%到40% 策略二：避免 RI 購買過量導致浪費策略三：針對業務變化調整使用量策略四：將不可控費用轉換為可預測成本投資回報分析：雲主機的 TCO 模型企業必須以總體擁有成本模型計算雲費用，而非只看表面價格。雲主機 TCO 四大構成成本一基礎資源費用計算儲存網路成本二人力維運費用 DevOps 工程師人力成本高昂成本三資安與合規費用 WAF DDoS 防火牆備份成本四業務中斷風險成本停機導致的損失往往比主機費高出百倍研究指出，一家日營收十萬元的電商若停機四小時實質損失可達兩萬元以上遠超託管式雲主機的月費。為何託管式雲服務 ROI 更高託管式方案可降低困境一：配置錯誤造成成本飆升困境二：缺乏專業團隊造成維護風險困境三：資安不足導致業務中斷困境四：無可視化工具導致預算失控戰國策集團的託管服務提供策略一：全天候24小時技術支援策略二：自動化成本監控策略三：資安整合與備援策略四：架構優化與費用分析讓企業用固定費用獲得最高穩定性與最低風險。案例研究：電商平台數位綠洲的成本優化成果背景數位綠洲是一家快速成長的電商平台因流量上升導致雲費用從每月五萬元飆升至二十五萬元戰國策集團介入後採用了儲存分層與 CDN 加速策略降低高昂 Outbound 費用與 SSD 儲存費用優化成果如下計算資源費用五萬元 → 五萬元儲存費用七萬元 → 兩萬元網路傳輸費用十三萬元 → 一萬元總開銷二十五萬元 → 八萬元費用下降幅度達到68% 成功將失控的雲帳單重新拉回可控預算範圍內 💡。 FAQ 雲主機費用專業解答 Q1 雲主機的即付即用是否一定比較貴 A 即付即用適合流量波動的業務但長期持續運作的服務會比 RI 模式高出至少30%到70% Q2 隱藏費用有哪些 A 網路流出費用 Outbound 費用是最大黑洞其次是資料庫 I O 操作快照費用與未清理的附加服務 Q3 如何避免預算超支 A 建議建立 FinOps 機制分析用量訂定 RI 覆蓋率並保留20%彈性預算 Q4 雲主機與傳統主機相比優勢在哪裡 A 雲主機採 OPEX 模式避免一次性重資產投入並能彈性擴展加速部署 Q5 如何有效降低運算費用 A 將可中斷任務移至 Spot Instances 可降低高達90%的運算成本 Q6 雲主機的基礎價格是否持續下降 A 是但附加服務成本快速上升導致整體費用不一定下降 Q7 包年與包月該怎麼選 A 穩定業務選包年測試與波動業務選包月與 PAYG Q8 資安與費用的關聯 A 未購買 WAF DDoS 等資安服務可能造成百倍於主機費的災難性損失 Q9 如何避免開銷浪費 A 設定排程關閉非必要 VM 清除未使用儲存並導入自動化擴展 Q10 戰國策集團的價值為何 A 提供混合預算設計全託管服務資安整合成本優化工具讓企業所有雲費用透明化可控化並轉化成效益成長動能。專業建議：2026雲主機成本最佳化八大策略策略一建立 FinOps 成本治理制度策略二資源標籤化與全環境成本可視化策略三採用 PAYG 與 RI 的混合採購策略策略四嚴格控管 Outbound 流量並導入 CDN 策略五建立數據分層制度與生命週期管理策略六每月進行雲資源清查與關閉閒置資源策略七導入全託管服務降低人力成本策略八與戰國策集團合作建立長期成本最佳化機制結論與展望 2026年的雲主機不再只是技術採購問題而是企業財務戰略議題未掌握成本者將面臨預算失控風險掌握 FinOps 與 TCO 模型者將能讓每一分雲費用變成企業成長的推力戰國策集團提供的混合式預算管理與全託管服務已成為企業實現成本最佳化的關鍵方案協助企業在快速變動的雲端市場中保持競爭力 🚀。聯絡戰國策集團免費諮詢專線 0800 003 191 LINE 官方帳號 @119m 官方網站 nss.com.tw 讓我們協助您把雲主機費用變成企業獲利武器！

林尚能・台灣服務比較網

精選推薦: 2026 iPAS AI應用規劃師為何爆滿？CCChen解析考照熱潮與高效備考方法

如果你正在準備 iPAS AI應用規劃師考試，除了熟悉考科與題型，更重要的是理解：為什麼這張證照近年受到這麼多關注？企業真正想找的，又是什麼樣的 AI 人才？ 104學習合作講師 CcCHEN 從產業趨勢、人才需求與實際備考角度，整理 iPAS AI應用規劃師值得關注的原因。文章不只談考證照本身，也進一步提醒，企業需要的已不只是會使用 AI 工具的人，而是能把 AI 與原有專業結合、實際應用在工作情境中的跨域人才。如果你正在備考，或想了解這張證照對職涯發展的實際幫助，推薦閱讀 CcCHEN 老師的完整解析，也可以藉此重新檢視自己的學習方向：目標不只是考過，而是真正建立能帶進職場的 AI 應用能力。 https://vocus.cc/article/6a9224fcfd89780001d21287 CCChen 老師課程 : 【2026年－考試筆記(V1版本)】iPAS AI應用規劃師初級｜全科攻略ｘ考點精華ｘ擬真題庫｜104學習 https://nabi.104.com.tw/course/104nabi/07779700-a980-43d2-8b34-bae808edea61 iPAS AI應用規劃師【中級】衝刺班｜命題精析 × 實戰解題 × AI刷題｜104獨家iPAS AI考證衝刺 https://nabi.104.com.tw/course/104nabi/3987ebea-3686-4f67-a292-c46c3cc2128e

104學習・iPAS AI應用規劃師考照共學群

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

【接案報價】4大計價模式、成本利潤評估，「生存算術」技巧傳授

自由工作者或接案者想要避免「報價太低做白工」陷阱，必須從成本與利潤評估開始，掌握正確的計價方式。作者為軟體工作者，分享接案常見的4種報價模式包括時薪、包月、專案與分潤，各有適用情境與風險，幫助你建立可靠的報價策略。本文節錄自《不想上班的勇氣：軟體工作者的第一本接案指南》。文／陳泰銘（Taiming）本文目錄（點擊可快速前往）全職接案者的「生存底線」算術兼職接案的「不虧錢」盈利技巧接案報價：常見的4種計價模式在接案的世界裡，「報價」不僅僅是一個數字，更是你專業價值的具體呈現。無論是全職接案者將此視為主要收入來源，還是兼職接案者用來創造額外收益，精準的成本與利潤評估都是確保可持續發展的關鍵。我們將用實際的計算公式和業界經驗，幫助你建立一套堅實的報價策略，讓你的專業獲得應有的回報。記住：好的報價不是猜測，而是精密的財務規劃—這不僅關乎單一案件的成敗，更影響你長遠的職業發展。全職接案者的「生存底線」算術對於已經成立公司或工作室的全職接案者來說，報價絕不能只是憑感覺喊價。這是一套需要精密計算的財務工程，關係到你是否能夠在這個行業持續生存下去。 1. 全職接案者的固定生存成本個人基本開銷（每月約5-6萬元）居住成本：房租/房貸2-3萬元生活支出：伙食費1萬元、交通費3千元保險規劃：醫療險、意外險等約5千元儲蓄投資：建議至少1萬元公司營運成本（每月約2-3萬元）硬體設施：辦公室租金1.5萬、水電網路3千元專業服務：會計記帳3千元、法律顧問2千元軟體訂閱：Adobe CC 2千元、雲端服務1千元稅務準備：營業稅5%、營所稅預提全職接案者開銷成本試算分類項目金額（元）備註個人基本開銷居住成本20,000~30,000房租或房貸生活支出13,000伙食費10,000+交通費3,000保險規劃5,000醫療險、意外險等儲蓄投資10,000+建議至少公司營運成本硬體設施18,000辦公室租金15,000+水電網路3,000專業服務5,000會計3,000+法律顧問2,000軟體訂閱3,000Adobe CC + 雲端服務稅務準備按營收估算營業稅5%、營所稅預提 2. 全職接案者的專案直接成本每個案件都應獨立計算：素材授權：圖庫照片、字型、音樂等特殊設備：伺服器租用、測試機購買外包費用：協作人員的鐘點費差旅支出：客戶拜訪的交通住宿 3. 全職接案者的隱形成本（常被忽略的關鍵）行政時間：發票處理、合約審閱等，每月約30小時業務開發：提案、比稿、客戶洽談的時間成本學習進修：保持競爭力所需的課程費用設備折舊：電腦、相機等每3年需更新 4. 全職接案者的專業報價三原則成本加成法：總成本 × 1.3（基本利潤率）例如：估算成本20萬 → 報價26萬價值計價法：對戰略性客戶，可依商業價值報價例如：電商系統可採營業額抽成% 階梯式報價：基礎版：滿足核心需求進階版：含擴充彈性旗艦版：全程顧問服務兼職接案的「不虧錢」盈利技巧兼職接案雖然壓力較小，因為你賺取的是額外的收入，但仍需堅守「不賠錢」底線：成本覆蓋原則：直接成本（圖庫、主機等）必須 100% 反映在報價中時間成本建議仍要計算，避免淪為廉價勞工簡單公式：物料成本 + (工作時數 × 基本時薪) 機會成本考量：比較同樣時間用於進修、休息或正職加班的價值若報價無法高於這些機會的預期收益，就該拒絕進階技巧：可採用「業餘折扣價」培養客戶關係但需明確定義服務範圍，避免被當成全職團隊使用兼職接案成本計算舉例以平面設計案為例：直接成本：圖庫照片授權（2張）800元、特殊字型租用500元時間成本：設計工時8小時 × 兼職時薪500元 = 4,000元最低報價：800+500+4,000 = 5,300元（業主殺價至4,000元時就該拒絕）平面設計接案成本試算表成本類別項目金額（元）備註直接成本圖庫照片授權800約 2 張圖庫圖特殊字型租用500商用字型使用授權時間成本設計工時4,0008 小時 × 兼職時薪 500 元最低報價合計5,300建議不得低於此價格殺價情境若對方出價 4,000 元建議婉拒，避免虧損以網站架設案為例：直接成本：虛擬主機年費分攤1,200元、佈景主題購買2,500元時間成本：建置20小時 × 正職時薪1.5倍750元 = 15,000元保底報價：1,200+2,500+15,000 = 18,700元　網站架設接案成本試算表成本類別項目金額（元）備註直接成本虛擬主機費用1,200年費分攤佈景主題購買2,500預設購買一次性授權時間成本建置工時15,00020小時 × 正職時薪1.5倍（750 元）保底報價合計18,700此為不虧本的最低報價接案報價：常見的4種計價模式 1. 時薪計價根據每小時的工時來計算報價，客戶支付的是實際工作時間或預估的工時數量。例如：兼職類型的接案、專案長期配合。薪資的設定其實取決於市場機制和雙方的協議。「你認為自己每小時提供的服務值多少，那就是多少。」如果對自己的市場價位不確定，可以參考正職工作的時薪，並根據接案的性質適當調整，例如乘上1.5倍或2倍，甚至更高。這個加權的原因不只是因為你利用下班時間、兼職甚至犧牲假日來接案，還包括許多隱藏成本與風險，這些在正職工作時是由公司承擔的，但在接案時都需要你自己負責。為什麼接案報價要乘上加權？ A. 不穩定性與風險：接案收入不像正職薪水那麼穩定，可能會遇到客戶拖款、臨時取消、需求變更等風險，因此定價時要考慮這些潛在損失。若接案專案遇到額外的溝通成本、修改需求或 Scope Creep（需求膨脹），這些時間成本都必須反映在報價中。 B. 稅務與保險負擔：正職工作時，稅金、勞健保、退休金等由公司分擔，而接案時這些支出完全由個人承擔，因此需要適當提高報價來彌補這些成本。 C. 設備與軟體成本：許多正職公司會提供電腦、軟體、辦公空間等資源，而接案時這些成本都要自己負擔，例如電腦折舊、Adobe 訂閱費、雲端空間等。 D. 行銷與業務成本：在正職工作中，專案通常由公司分配，但接案者需要自行尋找客戶、維繫關係、處理行政事務，這些時間與精力也需要反映在價格中。 E. 機會成本：若用這段時間去進修、休息，甚至正職加班可能獲得更高收益，那麼接案的報價至少要高於這些機會成本，否則不值得投入。如何決定加權倍數？ 1.5倍：適用於較低風險、短期、簡單專案，例如小型設計、程式修改、顧問諮詢。 2倍：適用於需要投入較多時間、責任較重、客戶需求較彈性的案子，例如網站開發、品牌設計、行銷專案等。 2.5倍以上：適用於高風險、高壓力、長期專案，例如全端開發、完整產品設計、長期顧問服務等。【舉例】假設你正職時薪為500元：● 小型設計案：500×1.5=750元/時● 網站架設案：500×2=1,000元/時● 高責任系統開發案：500×2.5=1,250元/時這樣的計算方式可以確保你不會因為低估成本而讓自己虧本或壓榨自己，同時也能讓你的接案工作更具長期可持續性。有些求職平台上的職缺也會標明時薪範圍，你願意接受這個價格，你就可以去應徵。 2. 包月計價每月收取固定費用，並規範每月的工作天數與時數，適用於長期合作的專案或需定期維護的工作。可以理解成：每週/每月固定時數的時薪計價。在接案工作中，包月計價就像是一份「專業訂閱服務」，特別適合需要長期配合的維護型專案。想像一下，你是一位網站維護工程師，客戶每月支付3萬元，就能享有你預留的 5 個工作天服務。這段時間裡，你負責處理網站內容更新、版面微調、安全性檢查等例行工作，讓客戶無需擔心網站運作的瑣事。這種模式最迷人的地方在於它創造了雙贏局面。對客戶來說，不必每次遇到小問題就重新議價，預算變得穩定可控；對接案者而言，則能獲得可預期的收入來源，不用每個月從零開始找案子。就像健身房會員制一樣，客戶購買的是「隨時可用」的專業服務，而你則獲得持續的收入流。包月計價容易產生爭議的地方是：有些客戶會覺得你的產出和你付出的時間不符比例。若你效率高、提前完成工作，客戶可能覺得「付月費卻沒用滿時數」不划算。包月不代表 24/7 的待命服務，有些客戶會誤解「包月」等於「隨時隨地免費服務」，下班時間、假日都找你處理小事。因此，需要特別留意：合約寫清楚：服務範圍、時數上限、額外收費標準。定期檢視成本，避免做白工。保持彈性，每年重新評估是否繼續合作。不要怕說「不」，超出範圍的需求，堅定要求另計費用。 3. 專案計價專案計價（Project-based Pricing）是接案市場最常見的報價方式，不以工時計算，而是根據「最終交付的成果」來訂定總價。適合需求明確、範圍固定的案子，例如：網站開發（企業官網、電商平台、會員系統）品牌設計（Logo、名片、視覺識別）行銷專案（廣告影片、社群企劃、活動網站）客戶來說，專案計價就像購買一個「完整產品包」。當客戶委託設計公司製作企業官網時，他們最在意的是最終能否獲得一個功能完善的網站，而不是設計師花了多少小時調整配色。這種計價方式讓客戶能提前掌握總成本，不必擔心接案者工作效率低落導致預算暴增。想像你是中小企業主，當你知道製作網站固定就是15萬元時，比起按工時計費（可能從10萬到30萬不等），前者顯然更容易規劃財務。對接案者而言，專案計價其實是「專業能力變現」的最佳途徑。當你累積足夠經驗後，會發現同樣設計一個 Logo，新手可能需要 20 小時，而你 8 小時就能完成相同品質的作品。這時若採用時薪制，等於變相懲罰自己的高效率；但若用專案計價，你報價 1.5 萬元（相當於新手 30 小時的時薪），實際卻只花 8 小時，等於時薪高達 1,875 元。這種「經驗溢價」正是專業工作者該獲得的合理報酬。「專案計價是賣『專業成果』，不是賣時間。合約越細，糾紛越少，利潤越高！」更重要的是，專案計價能避開令人疲憊的「工時解釋戰」。我們都遇過這種狀況：客戶質疑「為什麼這個功能要開發 40 小時？」即使你列出詳細工時表，客戶仍覺得「太久了」。但若採用專案計價，雙方焦點會自然轉移到「成果是否符合約定規格」，而非糾結在時間消耗上。這就像去餐廳吃飯，你在乎的是牛排好不好吃，不會去計較廚師究竟花了 15 分鐘還是 30 分鐘烹調。專案計價的5大注意事項：需求範圍要「鎖死」：合約明確定義交付成果（例如：網站含 5 個頁面、3 次修改），避免客戶無限追加需求。預留 20% 緩衝工時：專案常有意外狀況（客戶延遲回覆、技術問題），報價時多算 20% 工時避免虧本。分期收款，降低風險：簽約收 30%、中期收 40%、交付後收尾款 30%，確保不會白做工。「需求變更」另計費：若客戶於專案進行期間變更規格，須簽署「需求變更單」，並依內容追加費用，避免直接免費幫忙修改。不做不熟悉的案子：專案計價怕低估工時，陌生領域先接時薪案累積經驗，再報專案價。 4. 分潤計價根據專案能為客戶帶來的商業價值來設定報價，通常是以專案為客戶帶來的利潤比例或其他商業指標作為定價基準。例如：● 營業額抽成（如：電商系統收取每月營業額的1-5%）● 利潤分潤（如：幫企業優化生產流程，省下的成本分20%）● 成效獎金（如：廣告投放達成KPI後額外抽佣）這種方式讓接案者不再只是「賣時間」，而是成為客戶的「商業夥伴」，共同承擔風險與收益。適用情境舉例電商網站／銷售系統開發案例：幫客戶架設電商網站，不收固定費用，改抽每月營業額 3%。適合原因：客戶初期資金有限，但潛在收益高，雙方共享成長紅利。新創公司合作案例：幫新創開發 MVP（最小可行產品），換取未來 2% 股份。適合原因：新創現金流不足，但潛在價值高。但這種方式風險比較高，因此可以採取下列策略：設定「保底 + 分潤」機制、合約寫明計算方式與稽核權、避免與財務不透明或高風險業務合作。若客戶商業潛力大，但預算有限，分潤制可能是突破點！節錄自：博碩《不想上班的勇氣：軟體工作者的第一本接案指南》／陳泰銘（Taiming）著獨家課程推薦：【設計師接案必修課】從作品集到報價，系統化讓專業變現 [joblist_plugin title='更多104【軟體工程類接案】工作機會' url='https://www.104.com.tw/jobs/search/?jobcat=2007001000&mode=s&page=1&ro=2&keyword=%E6%8E%A5%E6%A1%88&order=15' amount='4'] 更多【自由接案】分享：上班族也掀「斜槓兼職」熱潮！高薪兼職時薪破千，兼職工作機會懶人包「接案作品集」怎麼準備？6大要素及不同客戶應對技巧接案族該如何報稅？一文搞懂「接案外包」的報稅技巧，趕快收藏！設計接案合約必備5大要素！保護權益必知，終結客戶鬼打牆接案報價不是憑感覺！給新手的基礎報價公式參考 2025 最完整免費接案平台、接案社群總整理（附設計、行銷外包接案工作機會）

【104職場力】・報價

「開口就能理解」的超一流服務如何做到？富邦人壽用數位轉型重塑職場日常

當前「數位轉型」已是每間企業最重要的事情，許多人印象中保守、制式、難以改變的保險業當中，「富邦人壽」以「重新定義客戶關係」的精神，善用數據與科技工具打造「開口就能理解」的超一流服務，當中的關鍵是將每位員工的角色重新定義、成為服務體驗的設計者，創新的參與者。我們帶您深入富邦人壽的內部，一探這場「企業文化的進化」。文／《104職場力》本文導覽（點擊可快速前往指定段落閱讀）不只是「數位轉型」也是「重新定義客戶關係」，富邦為什麼選擇這條路？善用數據與科技工具，打造「懂你」的智慧服務體驗從客服到理賠，每一位員工都參與改變當數位工具變成團隊成員，工作也有了新面貌創新與合規之間，如何走得穩又走得遠？數位轉型不是終點，是持續吸引人才與創造價值的起點雖然「數位轉型」已成為每間企業口中的顯學，但真正落實的依舊不多。多數人對保險業的印象仍停留在保守、制式、難以改變，但在富邦人壽，一場貨真價實的數位轉型正在悄悄卻深刻地翻轉人們的想像。從客服到理賠，從後台到第一線，富邦人壽用AI、資料分析、自動化工具，重構內部運作邏輯，更重要的是，將每一位員工的角色重新定義，不再只是任務的執行者，而是服務體驗的設計者、創新的參與者。這不只是一場技術升級，更是文化與制度的轉變革新。企業願景不再只是高懸牆上，而是掌握在每個員工手中，自他們每日的工作決策、問題解決與服務過程中體現出來。我們將深入富邦人壽的內部，從數位策略的制定、實務應用，到對員工工作的實際影響與未來展望，真實呈現數位轉型的力量，看成功的數位轉型，是如何讓一家企業變得更具吸引力、更值得加入。不只是「數位轉型」也是「重新定義客戶關係」，富邦為什麼選擇這條路？「企業存在的目的，就是要永續經營」。富邦人壽保單行政處副總經理張芳榮解釋，這場轉型的真正驅動力來自於現實的壓力與機會並存：一方面，AI與數位工具的進展帶來全新的可能；另一方面，少子化正在改變企業可用資源的基本盤，過去那種大量倚賴人力的運作模式，未來已難以持續。張副總也觀察到客戶需求的急遽變化，他提到：「疫情後，客戶對於自主性與即時性的服務需求明顯提高。」消費者已不再滿足於傳統的單一管道與等待式服務，而是希望「用自己的方式，快速解決問題」。這也促使富邦人壽重新審視自己的核心價值，如果想要真正與客戶建立長期信任關係，就不能等問題發生後才解決，而是必須「主動升級」客戶體驗，甚至預測可能的需求。善用數據與科技工具，打造「懂你」的智慧服務體驗「我們希望能客戶一開口，就進入理解模式並快速為客戶解決問題。」富邦人壽客戶服務處資深協理李豪表示，這句話也可視為是參與推動數位轉型的核心境界。與其被動回應，他們更在意是否能透過數據與工具，主動提供精準且有溫度的服務。富邦的數位策略聚焦三大核心：「數據驅動」、「AI賦能」與「智慧化體驗」。其中首要步驟是建立真正了解客戶行為的數據平台。李資深協理表示：「我們逐步拆解客戶在服務流程中的體驗軌跡，從投保到理賠，透過數據分析精準回應需求。」例如過去若保費逾期仍未繳，業務或客服接到催繳通知常常需來電詢問。客服人員會禮貌詢問客戶問題，進而再查詢系統中的資訊協助處理，一切按部就班；我們改變思維，讓客戶在語音服務的階段，就可以簡述問題，並結合AI模型比對客戶的提問，預先將客服人員要查詢的畫面選單動線最適化整合。當客服人員接起電話時，系統已經完成整合，預先將客戶所需的保單資訊查詢功能與相關作業規定自動呈現於畫面上，讓客服人員可以全神貫注與客戶溝通確認需求。「這種主動式服務平台不僅提升效率，更全面提升緻細化的服務感受」。李資深協理強調，積極導入AI工具，讓各部門依需求優化流程，目的是「幫助人節省時間、釋放創意、提升溫度」放大工作的整體價值。藉由簡易流程工具與數據支援系統，第一線人員可更快解決問題，並專注投入需要判斷與同理心的服務情境。從客服到理賠，每一位員工都參與改變在推動數位轉型的過程中，「不是只有技術部門在做事，而是整個組織都要參與」這件事，對富邦人壽來說格外重要。李資深協理提到，在導入新流程與AI工具的同時，他們刻意讓第一線客服人員參與設計與測試，從流程節點、對話內容，到系統提示與介面操作，全部邀請實際使用者一同討論。「我們的夥伴不是只可以明白指出系統設計不合時宜之處，他們也很樂於表達出意想不到的洞察力。只要願意傾聽，很多改善建議就是從第一線的客服同仁的分享中提取出來的。」李資深協理說，這樣的參與不僅提升了使用者接受度，也讓團隊夥伴們享受了「自己創造未來工作樣貌」的主人翁感。在理賠單位，智能分級系統的導入更是有效提升整體作業效率，也為新人訓練帶來實質助益。客戶服務處理賠部專案襄理郭乃瑀提到：「我們透過模型自動分派案件，讓新進同仁可以從簡單的案件開始，逐步熟悉整個理賠流程。」這不僅讓教育訓練更有效率，也讓資深同仁能專注處理高難度案件，發揮其專業價值。他補充，理賠是最接近客戶情緒的部門之一，數位工具讓團隊能夠減少重複性、耗時的初階工作，把注意力集中在真正關鍵的服務上——在保戶遭遇事故或疾病時，能迅速回應並依約提供符合保障的理賠。而這些變化，最直接的效應是員工對自己工作的重新認同。「你會感覺到你不單純只是個理賠員，而是能在保戶需要的時候，提供實質幫助的專業人員。」郭專案襄理說，過去不少人認為理賠工作較為單調，但在數位化工具介入後，這份工作的價值被重新定義了。當數位工具變成團隊成員，工作也有了新面貌在核保單位，數位轉型的推進也改變了團隊對「工具」的想像方式。保單行政處核保部資深經理陳俞蓉笑稱：「我們甚至幫RPA取了一個名字，做了一個牌子放在座位上，大家都叫它是我們的一員。」從最初的觀望，到現在的主動整合，數位自動化工具已經不只是輔助者，更成為實質團隊的一部分。她提到，像是早期每日、每月都需要人工處理的報表，現在透過RPA自動抓取、整併，再交由人員進行決策判讀。「這些看似簡單的自動化，其實釋放出很多時間，讓大家能專注在真正需要判斷力的事情上。」除了流程型任務外，AI在核保判讀上也發揮實質作用。像是病歷資料的摘要工具，可自動快速整理出重點，省下核保員大量查閱的時間，使人員能專注在高風險與複雜案件的風險判斷上。轉型初期，一些同仁對這類工具難免抱持懷疑甚至抗拒，認為現行流程已運作順利，對投入額外時間學習RPA感到遲疑。但當實際使用後，心態逐漸轉變為「新工具能幫我節省時間並提高效率」。陳資深經理觀察到，轉型的過程其實也像一場內部的數位教育，讓大家從「學習新科技」的焦慮，轉變為「與新科技共事」的適應與期待。創新與合規之間，如何走得穩又走得遠？在富邦人壽，數位轉型並不是一場單純追求創新速度的競賽。對於壽險業這樣高度監管的產業來說，「走得穩」往往比「跑得快」更關鍵。郭專案襄理坦言：「有些技術確實能加快流程，但我們更在意的是不能因為追求效率而犧牲客戶的權益。」為了找到創新與合規之間的最佳平衡點，富邦採用了「POC小規模試行」的策略。也就是在正式大規模導入新技術或流程前，先選定一個場景、以模擬的資料小範圍測試，以驗證概念的可行性。同時也與資訊、法遵等單位密切協作。「我們一步一步來，確保每個工具、每個新方法，在安全與有效之間找到最適切的位置。」這樣的作法，不僅減少組織內部的抗拒感，也建立了同仁對創新流程的信任與信心。郭專案襄理提到：「以前大家會覺得數位轉型是喊口號，現在變成每個人都知道它怎麼影響到自己的工作，甚至主動提出想法。」在人才培育上，富邦也同步投注資源。人資單位與資訊部門合作，規劃一系列涵蓋資料視覺化、AI應用與數據思維的培訓計畫。「像是Power BI課程、應用AI工具進行資料彙整與文字分析的實作，都是很受歡迎的活動。」郭專案襄理指出，這些訓練不只是技能升級，更是一種文化醞釀，讓員工知道：「只要你願意學，公司會給你資源、給你舞台。」數位轉型不是終點，是持續吸引人才與創造價值的起點「數位轉型的最終目標，是讓人才能發揮更大價值、讓組織能持續創新，這是一場企業文化的進化，不只是一次性的升級。」張副總如此總結這段歷程。他強調，推動數位轉型的本質，不在於導入多少系統或工具，而是企業是否有能力讓員工與科技協作，並從中培養新的工作思維與組織韌性。「我們不追求做得快，而是做得穩、做得久，讓同仁有信心，也讓人才願意留下來。」當一家企業能在穩健中持續前行，在創新中兼顧共好，它就會自然而然成為更多人才嚮往投入的地方。而這，正是富邦人壽所選擇的道路。 [joblist_plugin title='【富邦人壽】最新職缺馬上看！' url='https://www.104.com.tw/company/ctztka0' amount='5']

【104職場力】

「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】

【美國關稅風暴】企業如何掌握INFO原則、在不確定性中採取行動？

美國關稅政策的頻繁變動不僅對國內市場造成影響，更對全球貿易經濟帶來震盪與變革。在當前充滿不確定性的狀況中，企業面臨著前所未有的挑戰與機遇。本文將探討如何利用INFO原則優化內部溝通與數據分析，並提供具體的風險管理策略，幫助企業在美國關稅議題的影響下，制定靈活應變的計畫，持續保持競爭力。文／《104職場力》本文導覽掌握INFO原則：建立訊息流通管道，培養識讀分析能力企業強化風險管理、擬定應變計畫的具體5步驟觀望之餘，企業還能採取哪些行動？美國關稅政策加劇了全球經濟情勢的變動，也讓許多企業重新思考其商業模式和營運策略，企業不僅面臨著政策帶來的挑戰，還必須應對消費者行為及市場需求的快速變化。在這樣的背景下，企業如何在觀望的同時，主動採取行動來應對潛在的風險與機會？延伸閱讀：川普宣佈台灣「暫時性關稅」為20%！美國「關稅風暴」是什麼？｜關稅風暴衝擊總整理掌握INFO原則：建立訊息流通管道，培養識讀分析能力在當前資訊紛繁且尚未明朗的狀況下，未知容易使人心惶惶不安。因此，確保內部資訊的暢通至關重要，當大家都清楚決策背後的原因及應對策略的方向，不僅能促進溝通和理解，還能有效安定內部人員的情緒。快速獲取消息只是第一步，設定「清晰的訊息過濾標準」可以幫助聚焦重點，以符合組織需求和目標，企業不妨利用RSS訂閱或關鍵字警報等工具，創建自動化的資訊更新系統，從而獲取即時、相關的最新資訊，減輕手動搜尋的繁瑣。另外，在大量獲取資訊之餘，「識讀能力」在這過程中更為關鍵，除了交叉參考多個來源，而非依賴單一消息，進而提高資訊的準確性與一致性之外；學會解讀官方文件或研究數據報告中的圖表和統計數據，才能真正有效地應用在自家產業政策評估上。綜合上述論點，可以用4點進行歸納： I - Internal Communication（內部溝通）：強調內部資訊暢通和決策透明性。 N - Navigating Information（導航資訊）：建立清晰的訊息過濾標準，聚焦關鍵資訊。 F - Fact-checking（事實檢查）：培養識讀能力、交叉參考多個資訊來源，確保準確性。 O - Outcome Analysis（結果分析）：解讀數據和官方文件，為策略調整提供支持。活動分享：【104 talks】HR超前部署，打造企業全方位防護網｜4/24 線上免費直播企業強化風險管理、擬定應變計畫的具體5步驟面對不停改變的局勢，要針對現況的不確定性和關稅變化進行風險評估，企業可以依據以下步驟來建立評估模型。 1. 識別市場、政策、供應鏈的風險因素分析可能影響產品需求的市場變化，包括消費者行為的改變、競爭對手策略調整等，並持續監控國際貿易政策、關稅調整及其他可能影響企業的法規變化。另同步評估供應商的穩定性，如供應商的財務狀況、交貨能力，以及材料價格波動的風險等。 2. 量化並分析風險蒐集歷史關稅變化、原材料成本、產品銷售等相關數據來量化風險，將不同風險因素的影響轉化為財務指標，例如：影響成本、利潤和市場佔有率的變化。透過數據建立風險矩陣，將風險因素根據影響程度和發生的可能性進行分類（如高、中、低風險），分析其變化趨勢，預測未來可能的風險情境。 3. 制定應變計畫、模擬情境針對主要風險制定相應策略，涵蓋成本控制、拓展供應來源、產品線調整等，與財務、人力資源、供應鏈管理等部門密切溝通、協作，確保應變計畫可以全面實施，並隨著內外部環境的變化調整應變計策。同時可根據不同的關稅變化模擬情境，例如：高關稅（32%）、中等關稅（15%）、低關稅（5%）和無關稅情況。設計情境時，考慮其他相關變數，如市場需求變化、競爭對手行為的改變、原材料成本上漲等。 4. 建立模型、進行模擬建立財務模型，考慮關稅影響對收入、成本和利潤的計算方法，確保各項變數能夠模擬相互影響，接著對關鍵變數（如銷售量、單價、製造成本等）進行分析，了解它們的變化如何影響整體業務績效。獲得每種情境下的預期財務結果後，再對模擬結果進行分析，評估在不同關稅下的成本結構、利潤和市場佔有率的變化。 5. 彈性決策並持續監控根據模擬結果，發想具體的行動建議和應對方案，保有彈性之外也建議定期回顧情境模擬的結果或根據新的數據和環境變化更新模擬模型，確保其準確性和時效性。延伸閱讀：關稅重塑全球貿易適應力將成企業競爭優勢的重要前提觀望之餘，企業還能採取哪些行動？無論是當前美國的對等關稅問題，還是未來整體產業的發展，局勢的快速變化都是不可避免的。在這種情況下，企業在保持觀望的同時，也可以積極採取多項行動，以應對潛在挑戰並維持競爭力。首先，在「供應鏈的彈性與多樣化」這塊不僅是透過建立多元化的供應商網絡，降低對單一市場的依賴，或許也可考慮在其他國家或地區設置生產基地，以減少因關稅影響而增加的成本。其次，「市場和產品的調整」同樣重要。企業可重新評估美國或他國市場變化，考慮擴展至其他市場，比如那些可能因美國關稅政策而出現機會的國家。此外，「提升產品的價值」，例如升級和提供附加服務，可幫助企業更好地抵消關稅的影響。與供應商的合作也是重要一環，企業可探索共同分擔增長成本的方案，建立更緊密的合作關係，不僅能有效提高供應鏈的韌性，還能共同應對政策變化的挑戰。此外，企業還可以加強內部技術能力，持續發展數據分析技術，不光了解美國關稅影響，對於未來市場趨勢及潛在機會都有所幫助；同時，投資於技術創新可提高生產靈活性和效率，實現成本優化。在觀望的同時，這些行動可為企業打下穩固基礎，不僅有助於應對當前挑戰，也有益於未來的持續發展，在瞬息萬變的市場中繼續前行。延伸閱讀：美國加稅、全球震盪，HR的挑戰才正要開始因應美國關稅政策，行政院宣布「9大面向、20項措施、總經費880億元」支持方案【美國關稅】經濟部評估個別產業影響，提4政策、410億加碼貸款補助

【104職場力】・企業經營

「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

為何HR急著學人資數據分析？看懂2024最新趨勢，一窺企業的潛在規劃｜【人資F.B.I.研究報告】

人資數據分析不僅越發受到企業重視，也成為HR的必修課！數據化具體能應用哪些範圍？企業當前與未來預計投入的程度又是多少？HR學習這些技能究竟有什麼好處？本文透過104人力銀行最新發布的【2024人資F.B.I.研究報告】帶你一次看。文／《104職場力》本文導覽人資也要跟數字打交道？為什麼HR都在學人資數據分析？人資數據分析的定義與應用範圍善用數據=掌握優勢！HR可用數據分析幫企業做什麼？我的產業走在前端嗎？快來看「人資數據分析的現況與趨勢」近3年企業運用數據分析管理人力資源的趨勢揭開企業的喜好！公開「人資議題數據化管理的使用排行榜」把握成長機會！HR學習人資數據分析的4大優勢人資也要跟數字打交道？為什麼HR都在學人資數據分析？ HR跟數據的關聯不是只有薪水！在數位轉型的路上，人力資源數據化比我們想像的更加重要，這段小編要來跟大家聊聊現今企業越來越重視的數據分析議題。人資數據分析的定義與應用範圍顧名思義是指「利用數位工具及技術蒐集、整理人力資源管理相關的數據，並進行分析與解讀」，讓企業可以更深入地了解內部人力資源的狀況和表現。所有人資會接觸到的工作項目，包含「選、用、育、留」等，都是可以建立數據庫並解析的面向，例如：招募成果、選人方式、離職比例、福利薪資調查、教育訓練成效分析，以及員工工作滿意度調查等，都是常見的人資數據分析範圍。想進一步了解更詳細的定義與操作內容，歡迎閱讀：「HR人資數據分析」從步驟、使用工具到10種分析面向一次懂善用數據=掌握優勢！HR可用數據分析幫企業做什麼？人資數據分析的用途包含：了解求職者與員工行為、優化內部人資作業流程、管理並掌握企業人力配置狀況，並制定出有效的發展策略，藉此達成「人力資源最佳化」的狀態，幫公司節省開支。而讓數據說話的好處是，企業可以基於事實制定更精準、更有效的決策，而非僅憑主觀感覺或經驗規劃，可避免走不必要的冤枉路。因此許多企業紛紛鼓勵人自家HR投入人力資源數據分析，或尋覓相關人才，希望能獲取更大的競爭優勢。至於企業投入的程度有多熱列？【2024人資F.B.I.研究報告】做了相關調查，小編整理部分數據結果，下一段將說明這幾年的使用趨勢，或你也可以點擊下面按鈕直接觀看報告內容。下載2024人資F.B.I.研究報告延伸閱讀：善用數據分析，讓HR決策品質更上一層樓我的產業走在前端嗎？快來看「人資數據分析的現況與趨勢」哪個產業走在數位化尖端？看數據就知道！都說企業積極投入，但具體已經到什麼程度？自家企業進度是超前還是落後？接著往下看，讓趨勢數字告訴你答案！近3年企業運用數據分析管理人力資源的趨勢 ▲企業整體現況V.S.未來使用意願近年來，有運用數據分析進行人力資源管理的企業逐年成長，從2021年的39.1%開始，每年遞增，至2023年比例已經來到54.2%，顯示人資數據分析的熱度已逐漸擴散。而未來有意願加入的企業比例也提升，2023年已來到65.0%，不難預測未來的使用率趨勢會持續增加。 ▲ 圖片來源：104人力銀行【2024人資F.B.I.研究報告】 ▲各規模企業使用現況V.S.未來使用意願企業規模使用現況未來使用意願5～49人53.7%64.4%50～199人58.5%73.1%200～299人66.9%69.5%500人以上84.4%89.6%資料來源：104人力銀行【2024人資F.B.I.研究報告】對照兩者數字可發現，不論是現今的使用率或未來的使用意願，企業使用數據分析的比例都與企業規模的大小成正比。 ▲ 圖片來源：104人力銀行【2024人資F.B.I.研究報告】 ▲各產業企業使用現況V.S.未來使用意願從產業別的使用比例來看，由高而低依序為：一般服務業56.2%、電子資訊業56.0%、知識密集服務業54.5%、傳統製造業50.9%。但不論哪一個產業，投入人資數據化管理的比例都破5成，且未來使用意願皆破6成。 ▲ 圖片來源：104人力銀行【2024人資F.B.I.研究報告】揭開企業的喜好！公開「人資議題數據化管理的使用排行榜」在選、用、育、留幾個階段中，企業數據使用率最多的議題是哪個？ ▲排行榜前5名分析從近年比例消長中可看到，「維持良好的員工關係」已連續3年登上「企業運用數據管理人資議題」之冠，顯示無論怎麼分配，企業對留才的重視程度都排第一。另外「提升員工績效表現、訂定具競爭力的員工薪酬福利、訂定人才招募需求規格、教育訓練成效分析與提升、訂定僱用人員的選用標準」等，都是榜上常勝軍，只是每年排名與比例有些微變動而已。 ▲ 圖片來源：104人力銀行【2024人資F.B.I.研究報告】 ▲2023年使用率提升比例觀察如果依照不同規模與產業類別來看，可以從2023年使用率提升的狀態來辨別這些企業當前還重視哪些議題，例如： 50人以上至199人的企業在「訂定具有吸引力的招募內容」上增加了6.4個百分點。 200人以上至499人的企業在「人才盤點與人才缺口預測」增加了17.6個百分點；另外在「訂定僱用人員的選用標準」上也提升10.6個百分點。 ▲ 圖片來源：104人力銀行【2024人資F.B.I.研究報告】 ▲未來使用意願排名展望2024年，企業使用意願增加的部分多偏重在用才與留才。電子資訊業與一般服務業會想運用數據進行「人才盤點與人才缺口預測」及「績優人才預測」。傳統製造業與知識密集服務業則想運用在「教育訓練成效分析與提升」及「訂定具誘因的人才留任機制」。 ▲ 圖片來源：104人力銀行【2024人資F.B.I.研究報告】看完以上分析，是不是更能掌握企業的數據化投入方向了呢？了解趨勢不僅有助於企業評估資源分配比例，也讓HR們在工作規劃上有更精準的目標。想看更詳細的趨勢分析，歡迎點擊下方按鈕下載完整報告。下載2024人資F.B.I.研究報告把握成長機會！HR學習人資數據分析的4大優勢不論是待業中、想轉職，或是正在崗位上打拼的HR們，擁有數據分析技能，對個人或職涯發展都有諸多好處，例如：持續學習和成長、提升個人競爭力：投入人資數據分析，可以促使HR不斷學習和成長，除了能跟上自家產業發展的步伐，同時能在競爭激烈的同業中保持競爭力，薪資也更容易UPUP！提高規劃與決策的效率和準確性：透過數據分析，HR可以做出更加準確和有效的決策，幫助企業實現更好的組織管理與人才發展，因此容易受到老闆的重視與青睞。未來職涯發展有更多選擇：懂得人資數據分析的HR可以涉足更廣泛的領域，例如人才管理、組織發展、業務策略等，為自己的職涯發展開拓更多可能性。提升在團隊中的影響力與重要性：懂得人資數據分析的HR可以透過此技能與洞察結果，向老闆展現自己的價值和能力，進而提升自己在組織中的影響力與地位。如果你對人資數據分析感興趣，歡迎看看前輩怎麼說：人資職場必備技能！前輩談數據分析與應用想了解更多人資數據的應用趨勢，以及解決HR作業困境的實際建議嗎？歡迎點擊下方按鈕下載完整報告。下載2024人資F.B.I.研究報告 2024《人資F.B.I.研究報告》大綱 2024觀點發現企業徵才與留才成效提升企業徵才力與留才力建議人才培育趨勢人才培育難題人才培育難題建議人資數位化趨勢人資數據應用趨勢 Chapter 1 ─ F.B.I.歷年趨勢觀察 HR作業使用趨勢Function HR作業預算規劃Budget HR作業關鍵指標Indicator Chapter 2 ─ HR作業困境與建議 HR作業困境概況人才徵選難題人才徵選建議人才培育難題人才培育建議 Chapter 3 ─ HR時事議題 HR數據需求 HR作業數位化附錄  ─ 研究設計、產業分類定義關於【2024人資F.B.I.】，還有更多精選觀點值得推薦：企業留才拉警報！2024員工離職、新人流失問題與趨勢｜免費載【人資F.B.I.研究報告】人才培育難題是什麼？育才都花多少錢？揭曉2024趨勢與重點｜免費載【人資F.B.I.研究報告】大家都想上「脆」找人才？HR必讀的最新社群招募趨勢與方法！｜【人資F.B.I.研究報告】

【104職場力】・數據分析

資本額是什麼？怎麼查？求職者如何看待這項指標？

資本額是什麼？了解這項指標對求職者的意義與用途有哪些？如何快速查詢企業資本額？本文統整相關資訊及最快、最詳細的資本額查詢方法，並提供更多評估企業的重要標準，幫大家在求職中做出更明智的選擇。文／《104職場力》本文目錄（點擊可快速前往）資本額是什麼？可以從資本額看出公司的哪些資訊？企業資本額重要嗎？先了解公司都用這筆錢做什麼！所以，我們可以從「公司資本額XX萬」看出什麼？資本額怎麼查？最便利&最詳細公司資本額查詢方法圖解！「最便利」資本額查詢方法：「輸入公司名+104」查看徵才公司頁面「最詳細」資本額查詢方法：經濟部商「工登記公示資料查詢服務」系統資本額多少算大公司？有哪些基準點可參考？經濟部：中小企業認定標準IPO上市規定其實公司大小與否，依產業別各別評估才準！找工作時除了資本額，我還要評估什麼？這些指標有時比「財力」更重要軟性指標不可忽略資本額是什麼？可以從資本額看出公司的哪些資訊？老闆創業時，一定都會需要一筆創業基金來啟動業務，這筆錢的來源可能是負責人自己的存款、與友人合資或者找到投資人金援，企業負責人拿這筆錢成立公司，就成了該公司的資本額，代表該公司在法律上的財務基礎。企業資本額的數字並不是企業負責人隨便喊喊，而是要在登記成立公司時，向政府機關說明詳細的資金來源並申報總額，以便確保這個數字的正確度及合法性。企業資本額重要嗎？先了解公司都用這筆錢做什麼！可以把資本額理解成「企業營運的根本」，先從最基礎的日常營運說起，舉凡廠房購入／租借、設備購買／升級，以及原料成本、員工薪資等都需要用到這筆資金。資本額不是只在創業初期重要，也是企業擴展和增長的關鍵角色，當公司要擴大市場或開發新產品時，往往會需要額外的資金投入，而這些資金通常就來自資本額，如果不夠，就會透過「增資」的方式來籌集，以支持新項目的啟動或市場的擴展。另外，資本額對企業的「融資能力」也有重要影響，資本額高可以增強企業的信用評分，當銀行或其他金融機構在評估該企業的貸款申請的風險時，會比較容易通過，甚至獲得更好的利率。所以，我們可以從「公司資本額XX萬」看出什麼？資本額的大小可以作為衡量企業成長潛力的指標之一，如果僅僅從數據的高低來判斷，可能會得出以下結論：資本額越高，代表企業規模越大。資本額越高，代表企業能夠承擔更多的投資和擴張風險。但若想取得更進一步資訊，可以透過分析資本額的變化趨勢洞察企業的財務狀況，例如：資本額整體曲線緩步上升，通常代表企業穩定且持續成長。資本額增長幅度顯著，可能意味著企業的市場需求上升，代表可能有新的就業機會產生。不過須注意！資本額高只是評估企業狀態的其中一項指標，並不表示「企業經營狀況良好」，如果公司管理不善、決策失誤或面臨市場需求疲軟，營運方面還是可能出現問題。因此求職者和投資者想深入了解企業發展，應該關注企業的盈利能力、資金運用效率及在該行業中的地位，而不僅是依賴資本額數字。資本額怎麼查？最便利&最詳細公司資本額查詢方法圖解！這邊提供最便利和最詳細的兩種方式給大家參考：「最便利」資本額查詢方法：「輸入公司名+104」查看徵才公司頁面搜尋引擎上搜尋「公司名稱+104」，即可在公司頁面中看到資本額。如果需要更進一步的資訊，點擊右側連結可以直接前往經濟部查詢頁面。若企業符合理想條件，可查詢工作機會，尋找合適的工作職位。從資訊查看到應徵一次滿足，是小編最推薦的一種方式。「最詳細」資本額查詢方法：經濟部商「工登記公示資料查詢服務」系統進入網頁，輸入完整的企業名稱，點擊詳細資料即可查看公司資本額及實收資本額等，若是上市公司也可以查看股票金額及發行總數。資本額多少算大公司？有哪些基準點可參考？「進大公司」是不少求職者追求的目標，但什麼樣的標準算「大公司」？這其實沒有絕對的標準，因為每個「產業別」的資本額基準值完全不同，如果要從比較廣泛的角度來談，「經濟部的認定標準」和「IPO上市規定」是兩個常見的指標。經濟部：中小企業認定標準根據《中小企業認定標準》法規第2、第3條：中小企業：實收資本額或出資額在新臺幣1億元以下，或經常僱用員工數未滿200人的事業。小規模企業：是指在中小企業中，經常僱用員工數未滿5人的事業。單從這條法規的認定方式來看，只要超過經濟部所認定的資本額及人數，便可視為大型企業。 IPO上市規定根據臺灣證券交易所《國內公司申請標準》規章顯示，企業若想申請股票上市，除了要符合3年的設立年限，以及擁有一定比例的獲利能力之外，對資本額的要求如下：申請上市時之「實收資本額」達新台幣6億元以上且「募集發行普通股股數」達3千萬股以上。正因為有明確的條件規範，因此「上市與否」也成為部分民眾認定「大企業」的基準。其實公司大小與否，依產業別各別評估才準！公司大小的判斷，其實應依各行業的具體情況而定，為什麼這麼說呢？首先根據經濟部發布的《2024年中小企業白皮書》顯示，台灣中小企業佔企業總數超過98%，是非常高的比例！在9成8都是中小企業的狀況下，比起用資本額或員工數來界定企業的大小，關注公司的產業背景、經營狀況乃至市場競爭力可能更重要。另外，某些行業需要大量的資金來應對潛在的風險，所以在設立時有「資本額門檻限制」，例如：金融、保險業和營造業等，這些行業的資金運作模式和市場需求本質上有很大的差異，硬要拿來和一般企業相論，其實沒什麼可比性。延伸閱讀：求轉職選大企業還是小公司好？小公司出身想去大企業，該如何包裝自己？過來人帶你看懂「大小」差在哪找工作時除了資本額，我還要評估什麼？如果要從財務方面評比同產業公司，常見的「資本額、實收資本額、營業額和淨利潤、資產負債比率、現金流量」等都是可以列入觀察的指標。不過想進入真正的「優良大企業」，單憑財務指標下判斷略嫌不足，以下提供更多評比標準供求職者參考。這些指標有時比「財力」更重要可透過行業報告或市場調查數據，了解各公司在行業中的市場佔有率，有助於評估公司的競爭力和品牌影響力。從企業的創新能力與技術水準可看出發展潛力，像「公司每年的研發投入項目與專利申請數量」或是「每年推出新產品或服務的頻率、品質」都是參考指標。也可以從客戶端（消費者）的回饋與評價高低，看出產品知名度和市場口碑是否具有競爭力。除了求新求變，在部分行業中（例如：金融、製藥），企業的合規性、安全性、環境保護等幾個面向的表現同樣是需要列入重點評估的指標。軟性指標不可忽略許多軟性指標對公司未來的發展和工作環境有重要影響，例如：可以參考企業的文化價值和員工福利制度，這些往往能直接影響員工的工作滿意度和留任率。此外，大至企業在社會責任和可持續發展方面的表現，小至員工培訓到工時多寡，都是求職者評估時需要細心觀察的項目。延伸閱讀：薪資高 ≠ 好公司？不只用「薪酬」選一家適合你的好公司｜104職涯診所 Podcast EP147 為了找到穩定且更符合自身的價值觀和人生目標的企業，花點時間做功課是必經過程，希望透過這些多元的評估方式，能幫助大家在求職上做出更明智的選擇。延伸閱讀：如何找一家合拍公司？上市公司人資長看2025五大職場趨勢：AI、永續淨零、缺工潮挑戰【2024最新】上市公司非主管員工薪資中位數出爐：這公司374萬奪冠，聯發科309萬第2、台積電只排第10（附工作機會）

【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

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

越來越多企業投入數據分析領域，也讓資料工程師的職缺需求大增，根據104薪資情報網站，資料工程師薪資中位數甚至高於一般研發工程師。本文就帶你一探有資料工程師需要的技能專長以及完整職涯發展。文 /【104學習精靈】本文目錄（點擊可快速前往）什麼是資料工程師？需要哪些技能？資料工程師工作內容資料工程師技能與工具能力分析資料工程師軟技能養成：4大特質有助職涯發展更順利資料工程師薪水行情：掌握技術專長是加薪關鍵1. 台灣資料工程師薪資範圍 2. 提升資料工程師薪水幅度的關鍵資料工程師職涯路徑：邁向高階技術職的進階指南1. 軟體工程師2. 數據分析師3. 演算法工程師｜資料科學家資料工程師的挑戰什麼是資料工程師？需要哪些技能？資料工程師工作內容資料工程師又稱為數據工程師，主要工作內容是與數據相關的技術支援，建置系統或使用外部平台幫助企業數據收集、儲存與整理，確保數據傳輸管道暢通、安全、精準且可被預測。延伸推薦課程 👉 資料工程師養成班資料工程師技能與工具能力分析基礎Python網路爬蟲SQL 基礎Java核心R語言SQL 進階資料庫AWS應用進階資料探勘認證微軟 Azure雲端應用認證職涯資料工程師AI資料科學家▲ 資料工程師師應具備技能、工具、職涯指引表，點選不同技能會對應到相關課程。 [course_plugin title='資料工程師面試入門課程' keyword='破解資料工程師' amount=1] 1. 資料工程師基礎技能資料工程師需熟悉網路爬蟲技術，精通Python與SQL語言，具備Java基礎能力，能有效處理ETL流程，管理資料庫，支援業務分析需求。 Python：常用於數據處理與自動化管道建設。網路爬蟲：從網頁自動蒐集數據，將網頁數據轉換為可用的結構化格式 SQL（基礎）：資料工程師必備技能，用於查詢與操作結構化數據。 Java：用於大數據處理框架（如Spark）的高效運算實現。資料工程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 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＞線上學程式也能很好玩：不背語法寫Java 6625人感興趣      了解課程＞延伸推薦課程 👉 Python 輕鬆上手學👉 成為 AI 科學家｜快速闖關 Python 語法世界，程式實作不頭痛👉 Python新學法 - 實作6個Terminal APP快速入門👉 Python 基礎程式設計｜開外掛勇闖 Python 異世界👉 ETL網路爬蟲實戰技巧👉 吳永志Java入門保證班 - 初學者最佳選擇 2. 資料工程師核心技能資料工程師核心技能涵蓋精通R語言與進階SQL操作，具備優化大型資料庫管理的能力，熟練運用雲端應用及大數據技術，專注於高效處理複雜數據流程。 R語言：常用於統計分析、數據探勘和機器學習建模的程式語言，適合進行各類數據處理與運算。 SQL進階／NoSQL：進階的SQL技能有助於高效處理和管理大型結構化數據。除了關聯式資料庫（如 MySQL、PostgreSQL），還需熟悉 NoSQL 資料庫（如 MongoDB、Cassandra）以處理非結構化數據。資料庫管理與建置：除了熟悉各種資料庫工具管理與操作，資料工程師還需具備建置資料庫架構等關鍵性知識。雲端應用能力：掌握雲端應用相關的技能，熟悉AWS、Azure等雲端服務平台來進行大規模數據的存儲和處理。資料工程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＞線上教你完全掌握 SQL- 從資料庫建立到成為資料處理高手 4148人感興趣了解課程＞線上資料庫設計原理 2567人感興趣了解課程＞線上 AWS雲端架構規劃｜建置實務應用 3169人感興趣了解課程＞延伸推薦課程👉 NoSQL輕鬆學: 架構、設計與案例探討👉 成為 AWS 達人第一步！打造你的第一個 AWS 架構！👉 AWS雲環境的架構優化-彈性化自動擴展👉 雲端資料工程師在職遠距班 3. 資料工程師進階技能與證照：資料探勘與雲端應用認證資料探勘是從已知的數據中，挖掘數據背後的價值與趨勢，提供企業數據洞察報告。為此，資料工程師必須熟悉大數據框架或引擎技術，搭配程式語言、機器學習模組（如：MLlib）及統計分析方法，將數據處理轉化為具體分析結果或預測模型。 Apache Spark：Spark是一個開源的大數據處理框架，支援多種程式語言和機器學習模組，能高效分析與挖掘大規模數據，是資料探勘不可或缺的強大系統。雲端應用證照：資料工程師在雲端應用領域可藉由取得認證證照來提升專業性，例如Microsoft Azure相關認證，資料工程師可透過自我學習與認證以強化職業競爭力，也為自己提供更加寬廣的職涯發展路徑。資料工程師進階工具認證課程推薦線上微軟Azure超級入門實務與AZ-900認證攻略 19721人感興趣了解課程＞ [course_plugin title='雲端資料工程師進階課程推薦' keyword='雲端資料工程師在職遠距班' amount=1] 延伸推薦課程👉 Spark首部曲：實務基礎入門篇👉 Spark第二部曲： SQL輕鬆處理半結構化資料技巧👉 Spark第三部曲： MLlib完成資料挖掘與機器學習實戰👉 微軟Azure超級入門實務與AZ-900認證攻略👉 微軟 Azure｜通關 AZ-104 認證攻略，邁向雲端 IT 管理之路👉 AZ-204 認證攻略Ｉ從Azure著手雲端開發解決方案👉 DP-900 認證攻略 l 基礎資料庫混合雲建置與管理資料工程師軟技能養成：4大特質有助職涯發展更順利 1. 溝通與跨部門協作能力：資料工程師需與資料分析師、產品經理和開發團隊緊密合作，清晰表達技術需求與限制，確保數據管道設計與業務目標一致，並有效傳達複雜技術內容以促進團隊協作效率。 2. 問題解決與批判性思維：在面對數據品質問題、流程瓶頸或系統錯誤時，資料工程師需具備冷靜分析的能力，快速定位問題根源，提出創新解決方案，並從長遠角度優化系統的穩定性與效率。 3. 時間管理與專案執行能力：面對多項並行任務與緊迫期限，資料工程師需能有效規劃工作進度，分配資源，確保ETL流程、數據清洗與系統開發在限定時間內按時完成，提升團隊交付成果。 4. 持續學習與技術適應能力：資料工程師需要不斷學習新興工具、框架與雲端技術，快速掌握業界趨勢，適應大數據與人工智慧時代的變化，確保自身技能能支持企業的數據基礎設施發展需求。資料工程師薪水行情：掌握技術專長是加薪關鍵隨著大數據與人工智慧的快速發展，資料工程師成為企業中不可或缺的重要角色，但影響薪資的關鍵，往往取決於工程師本身的技術專長與實務經驗。 1. 台灣資料工程師薪資範圍初階（3年以下經驗）：月均薪約5.9萬。中階（3-5年經驗）：月均薪約 6.4萬。高階（5-10年經驗）：月均薪約6.6萬。（以上資料來源：104薪資情報） 2. 提升資料工程師薪水幅度的關鍵掌握大數據與雲端技術是高薪關鍵：熟悉大數據工具（如Spark）及雲端平台（如AWS、Azure）是資料工程師的核心技能。企業對處理大規模數據的需求不斷增加，具備分散式運算能力的工程師在薪資談判中更具優勢。程式語言與專業認證提升競爭力：Python與SQL是基礎技能，而掌握Java、R語言及進階資料庫技術（如NoSQL）能顯著提高薪資。此外，取得AWS、Azure等專業認證，能彰顯技術專業性，是升職與加薪的重要籌碼。資料工程師職涯路徑：邁向高階技術職的進階指南資料工程師需要強大的技術專才，在數據處理、雲端應用與大數據技術上展現出不可或缺的價值，建議資料工程師可藉由自我學習、累積實務經驗及考取專業認證等管道，優化現有技能，就有機會轉往更高階技術職務，實現職涯進階與薪資提升，資料工程師職涯路徑發展如下： 1. 軟體工程師資料工程師轉職軟體工程師，除了程式開發與現有數據基礎專業上，擴充軟體開發能力，技術層面也需涉及更多樣的程式語言、系統設計、開發流程與測試技巧等。技能需求：需掌握多樣化技術，精通主流程式語言如Java、C++；熟悉相關框架（如Spring、Node.js、React）；具備系統設計能力；掌握版本控制工具如Git，並適應敏捷開發流程；能進行自動化測試以確保軟體品質。此外，基礎前端開發技術（HTML、CSS、JavaScript）與實務經驗（如參與開源專案或個人作品集）也是必要條件，以全面應對軟體開發需求。學習指南：前端工程師學習地圖、後端工程師學習地圖 2. 數據分析師位於同樣的數據產業鏈中，資料工程師轉職數據分析師需強化數據解讀與分析能力，熟悉各種報表可視化工具與分析方法，以深度挖掘數據製作洞悉報告。技能需求：屬於後段數據資料庫建置的資料工程師，在轉職前線的數據分析師，需要更深度與產品、業務單位溝通，了解組織需求，並在已具備數據專業技術的前提下，需要熟悉使用工具如Excel、Tableau、Power BI進行可視化，掌握統計學基礎與分析方法（回歸分析、A/B測試）。實戰專案經驗與清晰的數據展示能力是能否轉職成功的重要條件。學習指南：數據分析師學習地圖課程推薦：數位分析師入門實戰 3. 演算法工程師｜資料科學家就分工而言，資料工程師搭建數據管道，確保數據準確、安全、流向正確位置；演算法工程師專注於開發演算法或模型，處理數據並生成有用的輸出（如預測、推薦結果）；資料科學家分析數據與模型效果，找到問題並提出解決方案。部分企業因規模不同，資料工程師、演算法工程師、AI資料科學家三者的工作內容可能有所重疊。演算法工程師：高效演算法工具的製造者，著重數據模型的建構。需熟練掌握Python與C++等程式語言，並熟悉TensorFlow、PyTorch等深度學習框架，用於開發與訓練模型。 AI 資料科學家：透過數據模型分析、預測，並透過不斷驗證與統計分析能力，監控並優化數據模型結果提出精準分析。課程推薦：AI資料科學家全方位學程班資料工程師的挑戰數據處理最大的挑戰，就是保持數據的一致性，這是非常需要耐心與抗壓性的工作內容，尤其在時間壓力之後，必須處理包括數據的異常與缺失，數據清洗與校正等。因此，資料工程師必須有對數據工具的熟悉度，以及知道如何高效處理大數據需求的能力。除了技術層面，隨著技術的快速更新，資料工程師需要不斷學習新工具與技術，如雲端平台和大數據框架，充滿好奇與保持學習力是資料工程師必須保持的態度。因此，面對多方面的挑戰，具備紮實的技術實力、解決問題的能力以及高適應力，才能滿足不斷變化的業務需求。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 [joblist_plugin title='更多104【資料工程師】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&page=2&indcat=1001001000,1001000000&ro=1&jobsource=joblist_search&jobcat=2007001022' amount='3']

【104職場力】・數據分析

有任何收穫或想分享的，都來和大家一起聊聊吧！