不寫程式的大數據分析師：數據分析之王-超強excel樞紐分析
104學習
數據分析
透過蒐集、整理與解讀大量資料，幫助企業了解現況、找出問題根源及潛在機會，進而做出更精準的決策。具備此技能能提升解決問題的能力，並強化策略規劃與績效評估，有助於提升工作效率與競爭力。在數位化時代，掌握這項能力已成為多數產業不可或缺的核心技能。
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
專為HR設計的：Excel招募數據分析
Google Analytics 企業行銷數據分析實戰
GA4+GTM網站數據分析實戰課
Power BI 零基礎實戰 | 培養商務數據分析力
人資 AI Agent 工作坊：招募自動化與 Codex 數據分析
AIＸ數據分析術：從報表到洞察，全面升級你的職場決策力
AI x Excel數據分析 把資料變黃金！從混亂到資料流正規化
AI 廣告數據分析實戰｜打造成效到決策的跨平台儀表板
數據分析師｜入門實戰：Excel x AI 打造最強數字力｜104獨家AI課程
精選證照
考取專業證照，讓能力被市場看見
ICDL-數據分析
ICDL國際認證符合現今產業趨勢，包含雲端協同作業、數位行銷、運算思維與程式設計、數據分析、專案規劃及必要之資訊安全..等能力，皆可完整學習，從而快速的應用在新技術及工作上。在全球超過100個國家的夥伴網路，以40多種語言授課認證，而財團法人電腦技能基金會(CSF)為ICDL台灣總代理。
ICDL Asia
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)
TQC+ Python大數據分析專業人員
為提供產業界符合新時代的專業人才，認證依照職場人才需求趨勢推動「TQC＋專業設計人才認證」，藉由嚴謹的認證職能體系架構與專業完善的考試服務，培育出符合企業職場需要的人才。
財團法人中華民國電腦技能基金會
精選貼文，掌握第一手知識
AI數據分析工具：RowsAI 讓數據分析與圖表設計更簡單
行銷人常會需要分析不同渠道的數據，常在思考是否有AI工具能幫忙搞定報表分析？
用了幾款後我覺得RowsAI是很好上手的AI數據分析工具，可串接 GA4、Looker Studio、Meta Ads、Google Sheet ，不需寫公式，讓AI 幫你整理分析及畫圖表。
◼RowsAI功能特色
1. 簡單易用的數據圖表功能
2.可搭配AI做數據分析
3.可串接GA4、Meta Ads、Google Searchconsole、Google Sheet等數據報表
我在使用RowsAI時，多數情境都是上傳檔案就可操作，不需要寫什麼複雜函式，就能完成資料整理與報表分析的工作。
另外RowsAI也降低了使用AI做數據分析的門檻，可使用Prompt跟AI溝通，AI就能協助從數據中提供數據洞察。
文章中有整理一些示範截圖，提供大家參閱，目前 RowsAI 也提供了免費方案可體驗大部分功能，跟多數AI工具一樣，只有超過免費使用額度時，才需要付費升級，也鼓勵大家都能試試看這款AI數據分析工具。
[閱讀全文] 🔗 https://jasondiginote.com/rowsai-marketingtool/
【懂數據分析，行銷職涯選擇更多】
很多人以為行銷工作只是「寫企劃案」、「發社群貼文」、「辦活動」、「執行廣告」。
但如果只停留在表面的創意與執行，往往缺乏精準度。唯有結合具體的數據分析，才能拆解出實質的反饋，為行銷行動提供更有力的支撐。
行銷方案若缺乏數據佐證的行動，容易淪為自我感覺良好的想像。希望行銷職涯走得更長遠、擁有更多選擇，就必須培養數據分析的能力。
👉行銷人為什麼一定要懂數據？
👉從哪裡開始練習數據分析？
→詳全文 https://reurl.cc/XAA9ER
🎧👂Podcast網址 在文章最下方
🎯其他文章 https://brandmarketingcareer.com/
AI 賦能的數據分析工具：Looker Studio x Gemini
看到一支關於Looker Studio結合Gemini的影片，當時看到影片覺得真的是太棒了，可以運用AI對話直接做視覺化報表與數據分析。
整理了行銷人最常用的Looker Studio跟Gemini的介紹，包含對話式分析、智慧報表，掌握AI行銷數據分析的新趨勢。
文章內容從能「對話」的 AI 分析助手出發，探討內容如下：
◼Gemini與Looker Studio介紹
◼Looker Studio x Gemini視覺化報表生成
◼對行銷決策與資料洞察的觀點
👉 看完整文章：https://jasondiginote.com/lookerstudio-gemini-ai-analytics/
GA4數據分析技能測驗通過
Google Analytics 4 (GA4) 是一個強大的工具，可以幫助你追蹤和分析網站和應用程序的用戶行為。以下是如何開始使用 GA4 的基本步驟：
### 1. 設置 GA4 屬性
1. **創建 GA4 屬性**：
- 登錄到你的 Google Analytics 帳戶。
- 點擊左下角的「管理」。
- 在「屬性」列中，點擊「創建屬性」。
- 選擇「GA4 屬性」，然後按照提示完成設置。
2. **設置數據流**：
- 在 GA4 屬性中，點擊「數據流」。
- 選擇「網站」或「應用程序」，然後輸入相關信息。
- GA4 會生成一個測量 ID 和一段追蹤代碼。
### 2. 安裝追蹤代碼
1. **網站**：
- 將 GA4 生成的追蹤代碼添加到你網站的每個頁面的 `` 標籤中。
- 如果你使用的是 Google Tag Manager，可以將測量 ID 添加到新的 GA4 設定標籤中。
2. **應用程序**：
- 將 GA4 SDK 集成到你的應用程序中。對於 Android 和 iOS 應用程序，請參考 Google 提供的 SDK 集成指南。
### 3. 配置事件和轉換
1. **自動收集事件**：
- GA4 自動收集一些基本事件，如頁面瀏覽、滾動、點擊和視頻參與等。
2. **自定義事件**：
- 如果你需要追蹤特定的用戶行為，可以設置自定義事件。在 GA4 界面中，導航到「事件」部分，然後點擊「創建事件」。
3. **設置轉換**：
- 將重要的事件標記為轉換。在「事件」部分，選擇你想要標記為轉換的事件，然後打開「標記為轉換」開關。
### 4. 分析數據
1. **即時報告**：
- 使用即時報告查看當前用戶活動。導航到「即時」部分，查看當前在線用戶、熱門頁面和事件等。
2. **探索報告**：
- 使用探索報告進行深入分析。導航到「探索」部分，創建自定義報告，如漏斗分析、路徑分析和細分分析。
3. **標準報告**：
- 查看標準報告，如用戶獲取、參與、轉化和保留等。這些報告提供了關於用戶行為的全面概覽。
### 5. 整合其他工具
1. **Google Ads**：
- 將 GA4 與 Google Ads 帳戶連接，使用 GA4 的受眾群體和轉換數據優化廣告投放效果。
2. **BigQuery**：
- 將 GA4 數據導出到 BigQuery 進行更高級的數據分析和處理。
### 6. 設置數據保留和隱私控制
1. **數據保留**：
- 在 GA4 屬性設置中，配置數據保留期。你可以選擇 2 個月或 14 個月的數據保留期。
2. **隱私控制**：
- 配置數據刪除請求和其他隱私設置，以確保遵守 GDPR 和 CCPA 等隱私法規。
### 7. 持續優化
1. **定期查看報告**：
- 定期查看 GA4 報告，了解用戶行為趨勢和網站/應用程序性能。
2. **調整事件和轉換**：
- 根據分析結果，調整和優化事件和轉換設置，以更好地追蹤和達成業務目標。
通過這些步驟，你可以有效地使用 GA4 來追蹤和分析網站和應用程序的用戶行為，並根據數據做出明智的決策。YouTube同步分享:👉https://youtube.com/shorts/EjUfR0bN5sY?si=CQJbPGSV_KjYAVh1❗️
YouTube 貼文⬇️
http://youtube.com/post/UgkxJik8yh8Jd_MextLrX7tfBVQ_EVooEjZL?si=s6Z5D4wdUIp7pd-j
PM 如何開始學習數據分析？由淺至深的學習步驟分享
學習數據分析對產品經理（PM）來說非常有幫助，透過掌握數據分析技能 PM 可以更深入理解用戶行為、產品績效以及市場趨勢，進而支持產品策略制定、優化功能、並做出更準確的決策。下面是更詳細的學習步驟和重點：
1. 學習基礎概念
- 統計基礎：了解平均值、標準差、變異數等統計學概念，這些基礎知識有助於理解數據的分佈和趨勢。例如，標準差可以幫助 PM 判斷數據是否集中，而變異數可以用於評估不同用戶群之間的行為差異。
- 概率和分佈：學習常見的數據分佈 (如常態分佈、正態分佈) 有助於理解 A/B 測試中的數據變異。了解基本的概率知識可以幫助 PM 理解樣本數據代表性，以便在小樣本測試中做出更可靠的決策。
2. 掌握數據處理工具
- Excel 或 Google Sheets：這些表格工具是初學者最容易上手的，且功能豐富。PM 可以學會如何使用公式進行數據篩選、樞紐分析 (Pivot Table)、VLOOKUP、篩選和排序。這些技能有助於簡單的數據清理和匯總，能快速得到初步結論。
- SQL：學會 SQL 是 PM 提升數據處理能力的有效方式。SQL 可用於直接從數據庫中提取和分析數據，如 MySQL、PostgreSQL 等。推薦練習查詢語句 (SELECT)、篩選條件 (WHERE)、分組和聚合 (GROUP BY) 等基礎語法，這些技能讓 PM 能夠有效地自助式查詢數據。
- 數據庫基礎：了解數據庫結構和基本概念（如表、字段、主鍵和外鍵）有助於 PM 更好地與數據團隊合作，並理解數據架構如何支持產品的數據需求。
3. 學習數據可視化
- 可視化工具：學會使用 Tableau、Google Data Studio 等工具來創建數據圖表，這可以幫助 PM 把複雜的數據結果以圖表呈現，更直觀地向團隊和利益相關者展示關鍵數據。
- Python 視覺化：若 PM 希望進一步加強數據分析能力，可以學習 Python 基礎語法，並使用 Matplotlib 和 Seaborn 等視覺化庫來生成高度自定義的圖表。透過這些工具，可以創建用戶行為趨勢圖、產品使用頻率圖等可視化報告。
- 了解圖表選擇：學會選擇合適的圖表來呈現數據，比如用折線圖來展示趨勢，用長條圖來比較類別數據，或用散點圖來查看兩個變量的關係。這樣 PM 可以根據數據特性選擇最佳圖表，有效呈現洞見。
4. 進階分析技能
- A/B 測試：A/B 測試是一種經常用於產品決策的方法。學習如何設計和解讀 A/B 測試結果有助於 PM 在產品改動中做出更科學的選擇，例如測試新功能的影響或不同設計版本的效果。了解統計顯著性和樣本量計算是 A/B 測試中重要的概念。
- 假設檢定：掌握 t 檢定、卡方檢定等基本統計檢定，這可以幫助 PM 驗證假設，判斷某項改變是否具有顯著性影響，從而更科學地進行功能優化。
- 回歸分析：學習簡單的線性回歸分析，這能幫助 PM 找出不同變量之間的關係，例如評估用戶行為（如登入次數）對留存率的影響，這有助於預測產品某些改動對用戶的影響。
5. 練習解讀結果
- 分析數據報告：PM 可以從定期數據報告中開始練習，學會辨別和解讀指標變化、趨勢走向，並根據數據中的異常找出原因。例如，使用者活躍度異常降低可能與某次功能改版相關。
- 數據駕駛儀 Dashboard：學會設計和使用數據駕駛儀 (Dashboard) 有助於追蹤產品的關鍵指標，PM 可以根據需要定期檢查主要數據，快速掌握產品現況，並及時反應問題。
- 形成洞見並提出建議：除了查看數據變動，PM 應練習從數據中發掘潛在洞見並提出改進建議。例如，若數據顯示用戶在某些步驟的流失率較高，可以考慮簡化操作流程，提升轉化率。
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。
專案經理（PM）常用的五種數據分析工具，從樞紐分析到SQL介紹
專案經理在專案管理過程中，數據分析是不可或缺的一部分，幫助專案經理了解專案狀態、預測未來風險以及做出關鍵決策。以下是專案經理經常使用的一些通用數據分析工具，將由工具難易度低至高依序排列介紹，分別是 Microsoft Excel、Google Sheets、Power BI / Tableau、R / Python以及SQL。
1. Microsoft Excel
Excel 是專案經理最常用的工具之一，因為它具有強大的數據處理和分析功能。透過Excel，專案經理可以輕鬆地整理和分析數據，生成圖表，並應用各種統計函數。
➛ 資料整理與視覺化：Excel提供了強大的數據篩選、排序和樞紐分析功能，便於專案經理快速整理和總結數據。樞紐分析表可以用來簡化大量數據，幫助專案經理發現趨勢和模式。
➛ 預測分析：Excel中的趨勢線和回歸分析工具可以幫助專案經理預測未來的專案進度和成本。
➛ 風險分析：使用Excel中的情境分析工具（如資料表、資料合併和方案管理員），專案經理可以模擬不同的專案情境，評估可能的風險和機會。
2. Google Sheets
Google Sheets 是另一個強大的工具，尤其是在團隊需要協作的情況下。它類似於Excel，但具有雲端存取和即時更新的優勢。
➛ 雲端協作：Google Sheets允許多名用戶同時編輯和查看同一個文件，這對於分散式團隊來說特別有用。它還支持實時評論和提醒功能，有助於溝通和協作。
➛ 即時更新：由於Google Sheets是基於雲端的，因此所有變更都會自動保存，並且可以從任何設備存取資料。這意味著專案的最新進展可以即時與團隊分享。
➛ 資料整合：Google Sheets支持多種外部數據源整合，通過Google Data Studio等工具，可以直接生成報告和儀表板。
3. Power BI / Tableau
Power BI 和 Tableau 是目前最受歡迎的兩個數據視覺化和商業智能工具，它們提供了強大的數據整合、分析和視覺化功能。
➛ 數據整合：這些工具能夠整合來自多個數據源的資料，包括Excel、SQL資料庫、雲端平台等，並將它們集中到一個儀表板中進行分析。
➛ 互動式視覺化：Power BI 和 Tableau都提供豐富的圖表選項，專案經理可以用來創建互動式報告，輕鬆地展示專案KPI和其他關鍵指標。
➛ 即時分析：這些工具能夠實時更新數據，確保專案經理可以基於最新的資料做出決策。
4. R / Python
R 和 Python 是兩個強大的程式語言，特別適合處理大量數據和進行複雜的數據分析。
➛ 數據處理：R 和 Python 擁有豐富的數據處理庫，如Pandas（Python）和dplyr（R），這些工具可以處理大型數據集，進行清理和轉換。
➛ 統計分析與建模：這些語言支持進行高級統計分析、機器學習建模和預測分析。專案經理可以使用這些工具進行深入的數據分析，例如風險預測、資源分配建模等。
➛ 自動化：R 和 Python可以自動化數據處理和分析任務，幫助專案經理節省時間並提高工作效率。
5. SQL
SQL 是數據庫管理的核心工具，專案經理可以使用SQL來從企業的資料庫中提取和分析數據。
➛ 數據查詢：SQL允許專案經理從大型資料庫中快速檢索和過濾需要的數據，從而支持專案報告和決策。
➛ 資料整合：SQL可以將來自不同表格的數據進行聯結和合併，生成綜合報告或進行深入分析。
這些通用工具為專案經理提供了強大的數據分析能力，幫助他們更好地理解專案情況、預測未來趨勢以及做出數據驅動的決策。
「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！
Similar Web 網站數據分析平台，PM如何使用它來分析競爭對手？
▎ Similarweb 是一個數據分析平台，主要用來分析網站和應用程序的流量和參與度。它能提供有關網站訪問量、流量來源、用戶行為和競爭對手分析的詳細數據，幫助企業了解其在線表現以及市場趨勢。
【Similarweb 的主要功能】
1. 網站流量分析：追踪網站的訪問量、獨立訪客數、頁面瀏覽量等指標，了解網站的受歡迎程度。
2. 流量來源分析：顯示流量來自哪裡（例如搜尋引擎、社交媒體、直接訪問、推薦等），幫助了解用戶如何找到網站。
3. 競爭分析：可以查看競爭對手網站的流量數據，了解他們的在線策略及表現，找到改進自己的機會。
4. 關鍵詞分析：顯示哪些搜尋詞將流量引導至網站，幫助優化SEO策略。
5. 受眾分析：提供有關訪問者的地理位置、興趣等資訊，幫助更好地了解和定位目標受眾。
▎ 如何利用 Similarweb：
1. 市場研究：了解行業趨勢和競爭狀況，識別市場機會和潛在威脅。
2. SEO 優化：分析競爭對手使用的關鍵詞和流量來源，優化自己的SEO策略以提高搜索引擎排名。
3. 用戶行為分析：通過了解用戶的流量來源和行為，優化用戶體驗，提高網站的參與度和轉化率。
4. 競品分析：監控競爭對手的流量和市場策略，發現可以改進的地方，制定更有效的競爭策略。
5. 業務決策支持：通過深入的數據分析來支持市場擴展、產品開發和營銷策略的制定。
▎ 產品經理（Product Manager）可以利用 Similarweb 來獲取市場洞察、優化產品策略，並且更好地了解競爭對手的產品和市場表現。以下是一些具體的應用場景：
1. 市場分析與定位
➛ 市場趨勢洞察：通過分析行業內相關網站的流量和受眾行為，了解市場需求的變化和熱門趨勢。這可以幫助產品經理更好地定位產品，確定未來的發展方向。
➛ 競爭者分析：比較競爭對手網站的流量來源、熱門內容和用戶參與度，識別競爭優勢和劣勢，幫助制定更具競爭力的產品策略。
2. 用戶需求分析
➛ 受眾洞察：分析網站訪問者的地理分佈、興趣和行為模式，以更好地理解目標用戶的需求。這可以幫助產品經理在產品設計和功能開發中，更精確地滿足用戶需求。
➛ 關鍵詞分析：了解哪些關鍵詞將流量引導至競爭對手的網站，可以幫助產品經理識別用戶感興趣的主題，並確保自己的產品內容與這些需求匹配。
3. 產品優化與決策支持
➛ 產品功能優化：通過分析競爭對手的產品功能和用戶反饋，產品經理可以識別市場上的空白點，並優化或引入新的功能來填補這些空白。
➛ 流量來源與營銷策略：了解競爭對手的流量來源（如SEO、廣告、社交媒體等），產品經理可以與營銷團隊合作，制定更加精準的營銷策略，提升產品的市場佔有率。
4. 產品上市策略
➛ 選擇適合的市場：通過分析不同地區的市場潛力和競爭強度，產品經理可以確定最佳的產品上市地區和市場進入策略。
➛ 調整定價策略：根據市場競爭狀況和用戶支付能力，產品經理可以調整產品的定價策略，以更好地符合市場需求。
通過利用 Similarweb 提供的數據，產品經理可以在產品開發的每個階段做出更為精確和數據驅動的決策，從而提高產品的成功機率。
公司的人力資源能力強不強？老闆必看這10大人資數據分析
要判斷一家公司的人力資源能力是否強，不能只看表面組織人數或KPI是否達成，而是必須透過關鍵人力資源數據（HR Metrics）來量化判斷。以下我為您整理出老闆必看的人資數據分析指標，每項附上計算方式、參考值與強弱判斷依據，幫助您精準掌握組織體質。
老闆必看：十大人資數據分析＋強弱判斷
人資數據分析1. 員工流動率（Turnover Rate）
定義： 衡量員工離職的頻率。
計算方式： 當期離職人數 ÷ 期初在職人數 × 100%
參考值： 建議低於10%（季），年流動率控制在30%以下。
判斷：
低於10%：穩定
10~15%：可接受
高於15%：警訊，須檢討留才政策
人資數據分析2. 平均在職年資
定義： 員工在公司服務的平均時間。
計算方式： 員工在職總年資 ÷ 總人數
參考值： 超過3年為佳
判斷：
高於5年：非常穩定
3~5年：穩定
低於2年：需留意人力流動與培訓成本
人資數據分析3. 聘用成功率（Offer Acceptance Rate）
定義： 被錄取後實際入職的比率。
計算方式： 成功報到人數 ÷ 發出錄取通知人數 × 100%
參考值： 80%以上為佳
判斷：
80%：溝通良好，招募吸引力強
60~80%：中等
<60%：需檢視招募策略、薪資福利、流程體驗
人資數據分析4. 新進員工三個月留任率
定義： 新人是否能穩定融入團隊。
計算方式： 入職滿三個月人數 ÷ 該期間新進人數 × 100%
參考值： 超過90%為理想
判斷：
90%：文化適配佳
70~90%：中等
<70%：可能是選才錯誤或缺乏 onboarding 機制
人資數據分析5. 每位員工創造營收（Revenue per Employee）
定義： 衡量每個人為公司創造的價值。
計算方式： 總營收 ÷ 員工總人數
參考值： 依產業而異，建議與歷年數據或同業對比
判斷： 趨勢若下滑，表示人效下降，需強化流程與培訓
人資數據分析6. 人事成本佔營收比例
定義： 公司營收中有多少用來支付薪酬與人力成本。
計算方式： 年度人事支出 ÷ 年度營收 × 100%
參考值： 20%~30%為合理
判斷：
<20%：人力可能不足或壓榨
20~30%：健康結構
40%：成本過重，需優化編制與效率
人資數據分析7. 平均招募時長（Time to Hire）
定義： 從開缺到新員工報到所需時間。
計算方式： 招募總天數 ÷ 招募成功次數
參考值： 一般職缺建議30天內
判斷：
<30天：效率高
30~45天：可接受
45天：流程需簡化或招募管道需優化
人資數據分析8. 訓練投資金額占比
定義： 公司投入員工學習發展的比例。
計算方式： 年度訓練總預算 ÷ 年營收 × 100%
參考值： 0.5%~3%為合理範圍
判斷：
3%：重視人才培育
0.5~3%：正常投入
<0.5%：發展力不足，恐無法育才留才
人資數據分析9. 內部晉升率（Internal Promotion Rate）
定義： 內部員工晉升而非外部招募的比例。
計算方式： 內部升遷人數 ÷ 總升遷人數 × 100%
參考值： 高於50%較為理想
判斷：
50%：內部育才有成果
<30%：外部依賴過重，缺乏人才接班梯隊
人資數據分析10. 員工滿意度（Employee Satisfaction Score）
定義： 員工對公司整體感受與歸屬的指標。
計算方式： 問卷總分 ÷ 受訪人數（5分制常見）
參考值： 建議維持在4分以上
判斷：
4.2：高度滿意，氛圍良好
3.5~4.2：中等偏上
<3.5：建議展開內部訪談、改革文化與福利制度
更多文章請上網 :
https://www.nss.com.tw/human-resource-analytics
如何在Excel自動化數據分析流程？錄製宏、編寫 VBA 代碼
重複性的工作往往會耗費大量時間，如果每次都依賴手動操作，無疑會降低工作效率。而 Excel自動化 正是解決這一問題的關鍵工具。而 VBA 代碼，則提供了更進階的靈活性，能夠依據需求自定義更複雜的功能。掌握vba能夠輕鬆自動化許多常見的 Excel 任務，從數據整理、報表生成，到複雜公式計算，皆可在瞬間完成。
口訣「啟開錄，自動來，VBA編寫效率快！」
啟用開發工具
🔥開 Excel，點「文件」。
🔥選「選項」後，點「自訂功能區」。
🔥「主要標籤」勾選「開發工具」，確定。
錄製宏
🔥點「開發工具」，選「錄製宏」。
🔥設定宏名稱，確定。
🔥執行自動化動作，完成後停止錄製。
編寫 VBA 代碼
🔥點「開發工具」，開啟「Visual Basic」編輯器。
🔥編輯或修改錄製的代碼。
☑️ VBA 代碼範例
Sub SumRange()
Dim rng As Range
Dim cell As Range
Dim total As Double
Set rng = Selection
total = 0
For Each cell In rng
If IsNumeric(cell.Value) Then
total = total + cell.Value
End If
Next cell
MsgBox "總和是: " & total
End Sub
簡單總結：
🔥Dim 宣告變數：rng 儲存選定範圍，cell 用來遍歷儲存格，total 儲存總和。
🔥Set rng = Selection：將當前選定範圍指定給 rng。
🔥For Each 循環：遍歷每個儲存格，若為數字則加到 total。
🔥MsgBox 顯示結果。
☑️ 結語
掌握 Excel自動化，不僅能大幅節省時間，也讓你在處理數據時更有條理。透過錄製宏與編寫 VBA，將重複性任務自動化，助你輕鬆應對繁瑣工作，從而專注於更具價值的分析與決策。開始探索 Excel 的自動化功能，讓工作效率邁向新高度！
AI生成數據分析簡報3招搞定！ChatGPT、MassiveMark、Gamma打造最強組合技
還在為數據分析報告與簡報抓狂嗎？只要善用ChatGPT、MassiveMark、Gamma等3大神器，就能搞定數據分析＋簡報設計，從Excel到PPT一條龍完成，馬上開啟你的高效職場模式！本文節錄自《三秒鐘的出其不意！Excel × AI 幫你工作超省力》。
文／Excel 廣播電台｜張予
本文目錄（點擊可快速前往）
【1】ChatGPT分析Excel檔案數據【2】複製ChatGPT分析結果，生成Word報告【3】生成Gamma / PPT簡報
在現今的職場環境中，數據分析已成為決策的重要基礎。但面對龐大的資料集，如何高效整合AI技術，打造「職場組合技」，來提升分析效率與決策精準度，成為提升競爭力的關鍵。
想像一下，你是一家連鎖零售企業的數據分析師，公司希望透過數據來驅動決策，優化銷售策略、提升客戶體驗，並最大化營收。來看看如何透過AI + Excel的組合技，達成這些目標？讓我們一步步拆解應用方式！
【1】ChatGPT分析Excel檔案數據
使用工具：ChatGPT
網址：https://chatgpt.com/
輸入以下指令給ChatGPT：
「協助分析Excel檔案的數據，生成摘要和視覺化圖表，並使用我提供的字型來呈現圖表內容。然後，制定隔年的用戶銷售策略，最後整理成一份Markdown格式的銷售分析報告。」
以下為它整理的結果：
（圖／旗標出版提供）
【2】複製ChatGPT分析結果，生成Word報告
使用工具：MassiveMark
網址：https://www.bibcit.com/en/massivemark
接下來是關鍵的一步，如果你直接複製內容並貼到Word，你僅會得到一個只有「內文」樣式的報告。
全文皆為內文樣式（圖／旗標出版提供）
但如果你希望保留報告的標題層級（標題1、標題2、標題3…，如下圖）。首先，你必須透過點擊複製按鈕取得報告內容，此時複製到的文字是「Markdown格式」的資料。
【什麼是Markdown格式？】Markdown是一種輕量級標記語言（lightweight markup language），也就是簡單、結構化的格式，能讓報告結構更清晰。
使用標題樣式可於左側看到大綱（圖／旗標出版提供）
一般對話中的複製按鈕和畫布中的複製按鈕（圖／旗標出版提供）
接著，透過一個免費的線上轉換工具──MassiveMark，自動產生有大綱層級的Word文件，減少手動編輯的時間。
免費的線上轉換工具──MassiveMark（圖／旗標出版提供）
（圖／旗標出版提供）
最後，再將之前生成的圖表，下載成圖檔、添加到Word文件，一份銷售分析報告就完成啦！
【AI生成Word報告的優勢】‧ 一鍵輸出完整分析，包含數據摘要、趨勢分析、視覺化圖表‧ 提供具體的商業策略，協助決策者擬定行動方案‧ 快速下載報告，減少手動整理時間
【3】生成Gamma / PPT簡報
使用工具：Gamma
網址：https://gamma.app/
「除了Word報告外，AI也能生成簡報嗎？」只要準備好報告後，可以將報告內容直接丟給AI簡報生成神器──Gamma。不到幾秒鐘的時間，簡報就完成了，而且還非常有設計感！要再進一步編輯也沒問題。來看看如何操作吧！
點擊「新建AI」免費註冊完Gamma後，從首頁開始建立AI簡報。點擊「匯入檔案或網址」( 也可點擊「貼上文字」) ，並上傳剛剛建立的Word檔案（圖／旗標出版提供）
選擇 「簡報內容」，免費版一次最多可生成10張卡片，挑選喜歡的主題後點擊「產生」（圖／旗標出版提供）
一份銷售分析簡報就完成啦！（圖／旗標出版提供）
一起來看看生成的結果如何吧！
【Before】條列式的數據摘要
【After】自動改以卡片式呈現
（圖／旗標出版提供）
【Before】表格式的產品分析
【After】自動轉成圖表形式，而且還是互動式圖表！游標移上去可看到詳細數據
（圖／旗標出版提供）
【Before】表格式的產品分析
【After】美化過的表格樣式。也可能維持原有表格形式（AI生成，每次結果都可能不同！）
（圖／旗標出版提供）
版面配置十分豐富，還有AI自動生成的圖片，讓畫面不呆版！
（圖／旗標出版提供）
若想展示簡報，點擊右上角的「展示」按鈕即可。
點擊「展示」（圖／旗標出版提供）
進入簡報模式（圖／旗標出版提供）
Gamma簡報也能下載成PowerPoint檔案，十分方便！
點擊「分享」、「匯出」、「匯出至PowerPoint」、「完成」 （圖／旗標出版提供）
（圖／旗標出版提供）
Gamma是一款免費註冊即可使用的線上簡報工具，並且提供中文介面，讓使用者能輕鬆上手。使用AI生成簡報時會消耗點數，但新用戶註冊後可獲得免費試用點數，讓你能直接體驗AI簡報的強大功能。免費版限制每次生成最多10張簡報卡片，但仍可手動新增與編輯內容。若對AI生成的內容或設計不滿意，可自由調整版面配置、圖片、圖表等。如果你還沒試過Gamma，強烈推薦你體驗看看！這麼方便的AI簡報工具，真的不能只有我知道啊！
AI讓數據分析更高效、更精準，現在就開始應用，提升你的職場競爭力吧！
節錄自：旗標出版《三秒鐘的出其不意！Excel × AI 幫你工作超省力》／Excel 廣播電台｜張予 著
推薦閱讀：
Excel公式讓ChatGPT幫你寫！輸入指令就能懂的Excel公式教學
ChatGPT生成Excel圖表不卡關！xy軸設定、中文顯示問題輕鬆搞定
【Graphy AI教學】AI自動生成圖表、數據分析4技巧！連報告都能一鍵生成的靈感救星
有任何收穫或想分享的，都來和大家一起聊聊吧！