104學習

統計分析

透過數據整理與解讀,幫助企業了解市場趨勢、顧客行為及內部運作狀況,進而做出更精準的決策。能有效辨識問題根源,提升工作效率與成果,並減少風險。掌握這項技能,能讓你在跨部門溝通中更具說服力,提升競爭力與職場價值。

15,063 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

Excel職場必學統計分析
Excel職場必學統計分析
用Excel也能玩轉統計分析
用Excel也能玩轉統計分析
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
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
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】
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】
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
【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
從Excel到Power BI數據視覺化
從Excel到Power BI數據視覺化
第三屆AI營隊-AI數據自動化工作流實戰營|緯育TibaMe X 104人力銀行獨家
第三屆AI營隊-AI數據自動化工作流實戰營|緯育TibaMe X 104人力銀行獨家
輕鬆上手Tableau商用智慧互動儀表板
輕鬆上手Tableau商用智慧互動儀表板

精選證照

考取專業證照,讓能力被市場看見

SPSS統計分析與資料探勘 |
SPSS統計分析與資料探勘是一項專注於統計分析和資料挖掘的證照,旨在培養專業人士在各種領域中運用SPSS軟體進行數據分析和洞察。這項證照涵蓋了SPSS軟體的各個方面,包括資料輸入、清理、分析和視覺化。持有此證照的人能夠利用SPSS來進行複雜的統計分析,從而發現數據中的模式、趨勢和關聯性,並提出具有洞察力的解釋和建議。
TIPCI臺灣國際專業認證學會
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
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
網頁資料擷取與分析 R |
R證照主要驗證持有者在統計分析與資料科學領域運用R語言的能力,涵蓋資料整理、視覺化、統計建模及報告撰寫等技能。此證照適合數據分析師、資料科學家及相關從業人員,有助提升專業競爭力與職場表現。透過考試評估考生對R語言語法及應用技巧的掌握,並強調實務操作能力,廣泛應用於金融、科技、醫療及行銷等產業,成為推動數據驅動決策的重要工具。
財團法人中華民國電腦技能基金會
大數據與統計應用能力認證 |
大數據資料庫目前全世界是趨勢的發展!生活上很多事情可以用大數據資料庫來活用解決許多問題,大數據應用不僅僅統計學的範疇更多數學層面來運算。 統計學是擁有一個簡單且容易使用的計算編輯介面,讓一般使用者可以用很簡單的統計計算方式,在瀏覽器上輕鬆地完成複雜的演算撰寫。整合運算思維的統計學應用以及認證考照。
TIPCI臺灣國際專業認證學會
PMI-PBA國際商業分析師 |
PMI-PBA (Professional in Business Analysis,國際商業分析師),是美國國際專案管理學會 (PMI) 於 2014 年發行的證照,為近年 PMI 系列證照人數成長最快者。 這張證照是專案的前置專業分析,對於中、高階主管的營運思維有極大助益。高價值、高廣度及其豐富內容,是商業分析成為世界趨勢的關鍵,完整地系統思考,涵蓋辨識現況、發現商業需要、解決方案提出、需求管理與分析、績效評估……等知識,從專案開始之前一直到結束之後各階段都能運用,學習內容是在職場工作中如何在掌握高度思維必備的技能! 商業分析可與專案管理手法互相搭配,專案經理 (PM) 是把專案做對,而商業分析師 (Business analyst) 則是選擇對的專案來做。簡單來說,商業分析工作在專案開始前即展開,進行包含辨識問題、找到最佳的解決方案……等前置評估;專案開始期間著重在需求管理 (引出、分析需求),與 PM 互相搭配;專案結束後,則持續進行長期績效評估,確保有效回饋,持續完善。 故 PMI-PBA 不論對工作上有需求/分析相關任務者,或專案從業人員,都是非常合適的進修證照。學習商業分析技能、強化商業分析及需求分析的能力,才能知道為何而戰、懂得值不值得戰,當自己站在完整專案管理知識技能的價值鏈上,一定能在國際舞台中成為熱門人才。
PMI 國際專案管理學會

精選貼文,掌握第一手知識

「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】

數位行銷新手如何選對管道?Meta行銷長:5步驟找到成長突破口

選擇行銷管道是數位行銷新手最常遇到的難題,不知道該先投入搜尋廣告、社群媒體、內容行銷,還是聯盟行銷。資源有限時,盲目嘗試每個管道只會消耗預算與時間;但太早押注單一管道,也可能錯過真正適合業務成長的機會。Meta行銷長建議,應先評估市場、觀察同業做法,再透過有系統的測試,找出具備「管道市場契合度」的成長管道。本文節錄自《點擊成長》。 文/亞歷克斯.舒茲 本文目錄(點擊可快速前往) 數位行銷如何選擇管道?評估市場與聯盟行銷人員合作 數位行銷如何選擇管道? 對任何剛開始涉足線上行銷的人來說,最令人生畏的問題或許是:「我該用哪一種管道?」管道如此眾多,各有獨特的眉角,讓人不知從何下手。如果你剛創立一家公司,或是第一次嘗試數位行銷,手上的資源大概不足以讓你把每個管道都試一遍。隨意挑一個管道,又可能帶來強烈的「錯失恐懼」(FOMO)。萬一你沒選到對業務最有效的管道,讓競爭對手捷足先登,該怎麼辦? 你也可能遇到反向的「錯失恐懼症」:當某個管道運作得很順利,會開始思考是否應該全力衝刺,或是試試看另一種管道,確認別人用的管道是否比較好。我特別欣賞一種說法,來自創投家兼播客「20VC」(專注新創議題)主持人哈里.史特賓斯(Harry Stebbings)。他說,「管道市場契合度」(channel market fit)是真實存在的,一旦找到,千萬別把它視為理所當然。 該如何開始使用某個管道?何時探索(explore)其他管道?何時又要利用(exploit)現有管道?(「探索」和「利用」是電腦科學的概念:「探索」是找出某個問題的所有可能解法;「利用」是在找到一個解法後,從中榨取最大效益。)我把這個過程想成以下幾個步驟: 評估市場,複製與你業務類型相近的同行做法。 如果無法複製,就與聯盟行銷人員合作,共同探索可行選項 如果聯盟行銷不適合你的模式,就循序漸進的探索其他管道,讓每次測試都有意義。 找到有效的管道,就加倍投入。再強調一次:管道市場契合度是真實存在的。 反覆測試。新管道會出現,舊管道會消亡,產品也會持續演變。回到起點,看看其他業者在做哪些你還沒嘗試過的事。你不必搶當第一個吃螃蟹的人,競爭對手摸索出心得後,你一樣可以跟進,再透過聯盟行銷夥伴一起測試新管道。 步驟4的重點在於擴大規模,步驟5之後則是回到步驟1, 因此我們先詳細討論前三個步驟,畢竟它們才是管道決策過程的核心。 評估市場 第一步是評估市場。你所在的產業,其他公司用什麼管道? 這個問題看似基本,但很多人其實沒有真正去做。如果業界主要玩家一再使用某個特定管道,背後多半有充分的理由。當然,在你摸清他們的做法之後,仍然可以自己拿主意。你打算沿用這套大多數業者都採用、歷經優勝劣敗的篩選方法,還是你有獨到的想法,能以前人未曾想過的方式使用某個管道? 舉例來說,刮鬍刀品牌Dollar Shave Club透過社群媒體(主要是YouTube和臉書)發布一支病毒式傳播的喜劇影片,獲得吉列(Gillette)從未達到的免費品牌曝光效果。Dollar Shave Club將這支影片與新的商業模式結合,再搭配社群媒體的開發潛在顧客廣告,成功顛覆整個產業,最終以10億美元售出。可見,你固然可以評估市場、仿效最佳做法,但也有機會創造全新的玩法。無論選擇哪條路,你都需要審慎挑選管道,並清楚知道選擇它的理由和使用方式。 當你採取全新的做法,例如2007年我在臉書的嘗試,手上沒有任何現成的劇本可以依循。這時有兩條路:借助聯盟夥伴來探索這個領域,或者自己用有系統、有邏輯的方式摸索。 與聯盟行銷人員合作 聯盟行銷為所有企業提供巨大的機會。它讓你自行定義轉換事件,同時有各式各樣的聯盟行銷人員幫你完成轉換。一般來說,如果你是新創業者,想同時試驗多個管道,透過第三方聯盟人員是很好的切入方式。這樣做不只能嘗試不同管道,還有防詐機制把關,一定程度上保護你不被欺騙或勒索。話雖如此,你仍需保持警惕。我會在第十二章深入討論聯盟夥伴主導的管道。聯盟行銷涉及的合作對象遠比搜尋或社群平台更多元,而且並非所有聯盟夥伴都來自規模大、信譽好的公司,因此必須時刻牢記這個管道有詐欺風險。 聯盟行銷的難處,在於你必須提供足夠吸引人的條件,說穿了就是看起來要付得起足夠的報酬。因此,規模較小的業者能否讓聯盟行銷人員願意投入,本身就是一道門檻。不過,如果你能吸引到頂尖的聯盟行銷人員,眼前的機會將大幅擴展。這些人通常橫跨各個管道,能根據自身經驗評估哪個管道最適合你的業務,而這類專業判斷在公司內部往往很難找到。他們接著會實驗,看看能否讓這個管道為你產生效益。確認有效之後,便在該管道為你推動大規模的行銷活動。 對許多企業來說,讓聯盟行銷人員持續操作是更明智的選擇,只需支付他們和廣告聯播網應得的利潤空間,就能省去內部操作的成本與管理負擔,何況自己做的效果往往不如人。但對某些企業來說,如果發現的管道具有極高的戰略重要性,就必須移回公司內部執行,就像我離開eBay之後eBay採取的做法。 節錄自:天下文化《點擊成長:Meta行銷長親授,數位廣告投放、轉換、數據分析全攻略》/亞歷克斯.舒茲 著 [joblist_plugin title='更多104【數位行銷】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E6%95%B8%E4%BD%8D%E8%A1%8C%E9%8A%B7' amount='3']
【104職場力】・行銷

工作分配選對人,團隊績效再翻倍!

文: 小婉家族研究生 何美惠   | 工商心理實驗室 原標題:享受挑戰,樂在工作 挑戰性的工作能激發個人思維靈活性並提升競爭力。研究顯示,面對複雜任務,員工傾向投入更多努力,從中獲得成就感和情感滿足。管理者應依個性分配工作,賦予積極進取者更多挑戰,以發揮其潛力。此外,選擇適合的任務複雜度,能有效提升學習者的情緒投入和學習成果。 工作中總是充滿挑戰,能讓人思緒靈活,顯得更具有競爭力,Liu等(2020)提及任務複雜度,人們評估任務需求並分配更多的努力來解決更複雜的事物,喜歡系統地搜索高相關性決策,任務複雜度為影響人類績效和行為的重要任務特徵(Liu & Li, 2012)。Donovan等(2017)提出當員工從事複雜跨職能工作團隊中相較於簡單和重複的任務時,較能索取完整資源且更顯得有競爭力,因此管理者在工作安排上,因應每個人的個性不同,分配不同的工作任務,將具有企圖心且積極度的員工賦予高複雜任務,具有更好的績效(Macey et al.,2009)。 多堂免費大師講座,提升你的職場思維與視野 >> 根據學習情緒的控制價值理論(Pekrun,1992)認為環境因素會因個人對事情的價值評估,進而對情緒產生間接影響,主要取決於對事情的控制與價值的認知評估。對於知識更豐富的學習者來說,由於從低複雜性的任務中沒有什麼新東西可以學習,這些學習者可能會產生挫敗感(Schrader & Nett, 2018)對他們的學習可能會受到抑制。當被賦予過於簡單的任務時,高知識技術學習者的表現可能會比預期的差。然而,學習者也可能傾向於選擇他們認為更困難的任務而不是簡單的任務,以獲得更高的情感獎勵,當新手面臨相對更複雜的任務挑戰時,樂趣會增加,認知資源的使用和學習表現也會增加。因此,具有挑戰性的新手在更困難的任務上的表現比預期的要好(Likourezos & Kalyuga, 2017)。 小婉家族研究生 美美 參考資料: Donovan, J. J., Hafsteinsson, L. G., & Lorenzet, S. J. (2017). The interactive effects of achievement goals and task complexity on enjoyment, mental focus, and effort. Journal of Applied Social Psychology, 48(3), 136-149. Likourezos, V., & Kalyuga, S. (2017). Instruction-first and problem-solving-first approaches: Alternative pathways to learning complex tasks. Instructional Science, 45(2), 195–219. Liu, P., & Li, Z. (2012). Task complexity: A review and conceptualization framework. International Journal of Industrial Ergonomics, 42(6), 553–568. Liu, X., Peng, H., & Pu, B. (2020). Age differences in the decision information search: The roles of task complexity and task relevance. Cognitive Development, 54, 100877. Macey, W. H., Schneider, B., Barbera, K. M., & Young, S. A. (2009). Employee engagement: Tools for analysis, practice and competitive advantage. Hoboken, NJ: Wiley-Blackwell. Retrieved from https://doi. org/10.1002/9781444306538 Pekrun, R. (1992). Expectancy-value theory of anxiety: Overview and implications. In D. G. Forgays, T. Sosnowski, & K. Wresniewski (Eds.), Anxiety: Recent developments in cognitive, psychophsysiological and health research (pp. 23-41). Washington, DC: Hemisphere. Schrader, C., & Nett, U. (2018). The perception of control as a predictor of emotional trends during gameplay. Learning & Instruction,54, 62–72. https://doi.org/10.1016/j.learninstruc.2017.08.002 看更多來自工商心理實驗室的好文 >> 在職場中你容易被情緒勒索嗎?這五大人格特質最易受影響 職場八卦:氣質性嫉妒與組織認同的交織 能者多勞?還是忍著過勞? 小心引發工作倦怠 Z世代安靜離職消失了嗎?不,它進化成「怨恨缺勤」 學習時間管理就能提升效率?探索你的「時間特質」找到關鍵 提升員工帶動企業的成長!最划算的教育訓練方案首選>> 企業內訓、公開班及線上課程需求,104人資市集最超值 >> 訂閱人資市集電子報獲得專家工作分享及產業新知 >> 加入104人資市集官方line獲得最新優惠及活動資訊 >>
【104職場力】・用人管理

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

從「難搞的低績效員工」到可管理的績效課題—HR 必備的診斷與處理策略

文/黃愛 Lilian Huang 104人資學院 資深專任顧問 績效其實等於「能力 × 意願」,處理低績效的第一步是釐清到底是哪一端出了問題。先檢視目標是否具挑戰性又可達成,避免因訂錯目標誤判員工;若是能力不足,可透過訓練、SOP或職務調整來支持;若是意願不足,則需透過面談釐清動機,並檢視主管互動與組織文化。管理者應以公平且具建設性的回饋促進進步,配合可量化的成長指標與定期檢視,將績效管理從零碎行為轉為制度、技能與文化並重的流程。 本文導覽 前言:績效 = 能力 × 意願(1) 先檢視目標是否合理(2) 區分能力問題與意願問題(3) 注意管理者回饋與認可的公平性(4) 強化進步導向的回饋機制將績效管理視為一門「藝術」與系統工程為什麼現在就要重視?需要協助把策略落地? 在許多公司裡,主管與老闆常抱怨:「這位員工績效太低,真難處理!」但在執行績效管理(績效管理、低績效員工、目標設定)時,我們常忽略一個簡單卻關鍵的出發點:績效 = 能力(ability) × 意願(willingness)。弄清楚是哪一端出了問題,才能有對症下藥的作法。 1. 先檢視目標是否合理 很多所謂的「低績效」,其實是目標訂錯了。目標應該既有挑戰性也要可達成—不是要求會騎腳踏車的人去開車。年度目標應考量外在情勢(通膨、競爭)與個人進步期待(經驗累積、勝任力提升),逐步提高,而不是一夕暴增。合理的目標設定是誤評低績效的第一道防線。 2. 區分能力問題與意願問題 能力不足時,檢視是否給予足夠訓練、SOP、範本與時間,或是否須調整到更適配的職務。意願問題則可能源自個人價值觀或外在環境(主管態度、文化認可)。透過面談與行為觀察釐清原因,才能決定是投入發展還是結束關係。 3. 注意管理者回饋與認可的公平性 績效文化會因主管反應而塑造成型。若主管只在「少數錯誤」時嚴厲批評,卻在「少數成功」時過度獎勵某些低基期人員,會讓持續穩健表現的優秀員工感到不公平,反而破壞動力。管理者應誠實回應每位員工的貢獻,兼顧進步肯定與長期表現獎勵。 4. 強化進步導向的回饋機制 對於努力但尚未到位的員工,除了給予資源與明確指導,還要及時肯定每一次的改善;對於一貫表現佳但偶有失誤者,也要以發展角度回饋,而非一味責難。建立可量化的成長指標與定期回顧,有助於讓員工看到自己的職涯軌跡。 將績效管理視為一門「藝術」與系統工程 優秀的績效管理結合制度(績效評估、目標管理)、技能(主管領導、回饋技巧)與文化(公平、透明)。HR 應主動學習管理典範、設計培訓課程,並可透過顧問協助與系統工具把流程標準化,降低人為偏差,提升決策品質。 為什麼現在就要重視? 有效的績效管理能提升員工生產力、降低流動成本並促進人才發展,是人才策略(人才發展、員工激勵)成功的關鍵。錯誤的處理方式不只傷害當事人,也會讓整體團隊出現「不敢優秀」或「只追求半成功」的扭曲行為。 需要協助把策略落地嗎? 104人資學院提供專業的績效管理顧問服務,包含目標設定流程設計、主管回饋訓練、績效制度建置及優化。若您想系統化改善績效管理、建立公平透明的評估機制,歡迎聯絡我們,讓專家協助您把「難處理的低績效」轉化為可管理、可成長的人才資產。 >> 索取【績效管理】難題解析影片 >> 立即諮詢 104【績效管理】顧問服務
【104職場力】・績效管理

HR工具箱必備:自訂動態報表模組,幫助人資快速成為數據分析高手

你也時常遇到老闆突然叫你產出各種人事報表嗎?「早上說、下午要」的情況屢屢上演,是否常想著若能快速產出老闆要的資料就好了,不想在各式報表中切來切去、貼來貼去?其實,你一點都不孤單!104 HR Max 提供全方位的自訂報表功能,幫助 HR 從繁瑣的報表管理工作中解放。 文章導讀: 自訂報表是什麼?跟標準報表差別?人資標準報表有哪些?最常用到哪些資訊?自訂報表如何準確運用?最實用的人資儀表板整合BI系統,打造專業WorkFlow總結人資自訂報表優勢 在企業經營的過程中,資料與報表的管理總是非常關鍵,尤其對於人力資源部門而言,能夠有效地追蹤與分析員工數據,可以大大提升決策和優化組織結構的效率。104 HR Max 提供全方位的自訂報表功能,幫助 HR 從繁瑣的報表管理工作中解放,從欄位到分析邏輯,完全自行定義,打造真正屬於團隊需求的數據視角,進而提升決策的效率和品質。 自訂報表是什麼?跟標準報表差別? 104 HR Max提供內建超過150張已設定好欄位邏輯的標準制式報表,能夠滿足大部分企業的日常需求,但時常會遇到特殊情況,需要增減報表欄位,或是調整欄位顯示順序,因此104特別開發可以根據企業的特定需求,透過5大步驟 x 750+欄位,輕鬆完成專屬於您的自訂報表。 ▲簡單5步驟輕鬆完成屬於您的報表。 自訂報表與標準報表有哪些不同? 比較項目標準報表自訂報表欄位格式設定固定欄位及格式,無法更改。可彈性自訂格式、欄位,提供750+跨模組功能的欄位。資料整合數據整合能力有限,需要手動整併資料。依照不同種欄位功能,整合各類數據,高度客製化。資料分析需下載後整理,才能執行分析與統計。可於系統直接設定樞紐分析報表。便利性系統提供150+標準報表可直接使用,無須設定。依照HR需求設定,前置過程花費較多時間,但可直覺調整,No Code!適合對象適合初階的報表使用者。適合需要客製化分析的HR,或有特殊報表需求的部門。 人資標準報表有哪些?最常用到哪些資訊? 104 HR Max提供150+張的標準報表,包含組織、人事、出勤、薪資、員工Portal使用相關,共5種模組。常見的員工人數、績效成果、證照數、差勤明細、薪資狀況等數據,系統都直接能下載報表,一次獲得各種項目的精準數據。而依據104人資F.B.I調查近三年人資最常利用數位工具處理的前三名依序為「員工出缺勤及請假作業」、「HR表單電子化」及「用手機打卡及處理假勤簽核」,調查也顯示2023-2024年已經有超過半數的企業已經開始運用數據分析進行人力資源管理,這些都在在展現數位化管理及數據報表資料的重要性。 ▲104人資F.B.I調查近三年人資作業數位化項目使用率。 自訂報表如何準確運用? 了解了標準報表之後,現在就來告訴你自訂報表功能對人資夥伴的幫助有哪些,以下模擬各種情境能幫助您了解該如何應用人資自訂報表。 案例1:A公司老闆在4月2日當日因應美國關稅政策,想了解調節人力的可能性,請HR在1天內就要提供「2025年3月31日之前入職的員工名單,並依照入職時間、年齡進行排序」。首先,HR 只需在欄位設定中選擇部門、姓名、到職日、年齡等欄位,其後設定資料排序規則及篩選條件,即可快速生成所需報表,省去以前繁雜的手動數據整理過程。 案例2:B公司頻繁遇到員工離職,主管了解員工離職率是否與部門、工時相關,HR使用標準報表可能只能獲取到基本的離職數據,而自訂報表則可以進一步在離職資料中,加入離職員工的出勤與加班時數、年齡、學歷、任職部門等綜合資訊,並且產出樞紐分析,幫助HR與主管能快速深入分析離職原因與風險因素。 以上案例看起來簡單,但過去可能需要從不同功能下載報表後,接著在 Excel 另外整併資料,有了自訂報表功能後,可以直接從自訂報表挑選橫跨人事、出勤、薪資模組的資料欄位,進行報表產出與分析,大幅提升數據分析效率。 另外也提供一些報表設定情境供大家參考,可依照自身企業需求調整。 員工多元性ESG報(104 HR Max甚至提供一鍵生成ESG報告功能。) 員工績效與出勤時數相關報表 不同時期員工組成與薪資結構分析 政府機關資料報告 與財務相關的人事報表 104 HR Max報表功能共有5種模組x 750+欄位,無論想分析什麼,只要直接勾選相關欄位即可跑出相關數據,同時提供樞紐分析功能,讓您快速獲得精準的數據。 不只自訂報表,人資儀表板更是所有HR的最愛功能! 除了報表功能外,HR Max 還提供預設的人資儀表板,以圖表呈現關鍵的人資數據,幫助 HR 和主管快速掌握人才現況,例如:   員工性別、年齡、離職、育嬰留停等統計。   公傷病假、產假/產檢假/陪產假等統計。   主管職/非主管職的薪資結構統計。   讓HR可一目了然掌握現況,並且還能將圖表下載放進簡報中,可以直接與老闆報告說明,榮獲HR最愛的功能之一! 人資系統整合BI系統,打造專業WorkFlow 為了進一步提升人資數據的價值,HR Max 提供 OPEN API,可與企業的 BI(商業智慧)系統進行介接,打造更專業的人資洞察儀表板。 透過整合 ERP、CRM、HRM 等各種系統的資料,可以產出更具策略意義的分析結果,例如:   HR 總覽:即時掌握人力資源狀況。   團隊分析:了解團隊結構與能力,輔助任務分派。   新人管理:掌握新人留任情況,提升招募效率。   離職分析:分析離職原因,降低離職率。   出缺勤管理:掌握整體出勤狀況,提升員工效率。 以上這些功能與串接不僅是方便人資作業而已,更能展現人資的價值與決策能力。 數據說話!幫助HR提升價值與效率 自訂報表功能的推出,對企業管理好處已經提了很多,以下整理幾點優勢讓企業與人資能更加瞭解,選擇有自訂報表、儀表板、OPEN API串接的人資系統,如何真的能在人事工作上提升效率與價值。 靈活性與客製化:自訂報表允許HR根據特定需求選擇和調整報表欄位,能針對個別企業或部門的需求進行客製化設計,從而提高數據的實用性。 加速數據與深入分析:自訂報表功能大幅提高數據處理的效率,使HR可以快速生成報表,無需手動整理數據,能進行更深入的數據分析。 自動化數據更新:一旦設置報表,HR每次下載只要調整報表資料的篩選條件,隨時自動更新報表資料,確保獲取最新及準確的資訊,減少手動輸入錯誤。 數據驅動決策:自訂報表可提供所需的關鍵數據,幫助HR和管理層做出明智的決策,尤其在招募、留才及其他人力資源策略上能夠提供有力的數據支持。 即時應對突發需求:在面對突發狀況,如主管要求特定報表或即時資訊,自訂報表能確保HR能迅速回應和提供所需數據,提升人力資源部門的應變能力。 104 HR Max 的自訂報表功能不僅是工具,還是一個協助企業與人資發掘數據價值的專業夥伴,使人資的管理工作變得愈加有價值與效率。強大的報表功能,讓各個企業能夠在數據驅動的時代中,取得優勢! 立即了解104 HR Max:https://104ha.com/XA0Te
【104職場力】・HR系統

五大核心產品管理知識,幫助你成功轉型!(下) 數據分析、商業策略模式等要知道

當你想成為產品經理時,深入掌握產品管理的核心知識至關重要,上次介紹了五個,這篇將介紹其他五個關鍵知識, 數據分析與指標設置、商業策略與商業模式、跨部門協作與溝通、技術基礎知識、產品路線圖規劃,這些可以幫助你更全面地理解並應用這些概念: 6. 數據分析與指標設置(Data Analysis & Metrics) 數據分析是產品管理中做出數據驅動決策的基礎。這包括: 𖡡 數據收集:工具:使用Google Analytics、Mixpanel、Hotjar等工具收集用戶行為數據。 𖡡 數據分析: - 方法:應用描述性分析、診斷性分析、預測性分析來理解數據背後的趨勢和模式。 - 技能:掌握SQL、Python等數據分析語言,提升數據處理和分析能力。 𖡡 指標設置: - 關鍵績效指標(KPIs):如活躍用戶數(DAU/MAU)、轉化率、留存率、客戶終身價值(CLV)等。 - 目標設定:根據業務目標設置具體的指標目標,並持續監測和優化。 𖡡 數據可視化:工具:使用Tableau、Power BI等工具將數據轉化為易於理解的視覺化報告,幫助團隊快速做出決策。 【實踐建議】 - 學習資源:參加數據分析課程(如Coursera、Udacity的數據分析專業課程),提升數據處理和分析能力。 - 實踐:在現有專案中應用數據分析方法,從數據中提取洞察,支持產品決策。 7. 商業策略與商業模式(Business Strategy & Business Models) 理解商業策略和商業模式是確保產品能在市場中取得成功的關鍵。這包括: 𖡡 商業策略: - 類型:成本領導(Cost Leadership)、差異化(Differentiation)、專注(Focus)等。 - 制定:根據市場環境和競爭態勢,制定適合的商業策略以提升產品競爭力。 𖡡 商業模式: - 框架:如商業模式畫布(Business Model Canvas),涵蓋價值主張、客戶細分、渠道、收入來源等九大要素。 - 創新:探索和設計創新的商業模式,以滿足市場需求和提升收入。 𖡡 財務分析: - 基礎:理解基本的財務指標,如收入、成本、利潤、現金流等。 - 預測:進行財務預測和分析,確保產品的商業可行性和財務健康。 【實踐建議】 - 工具:使用商業模式畫布(Business Model Canvas)來規劃和分析商業模式。 - 方法論:學習戰略管理理論(如SWOT分析、PEST分析、波特五力分析),提升商業策略制定能力。 8. 跨部門協作與溝通(Cross-functional Collaboration & Communication) 產品經理需要與不同部門和團隊緊密合作,確保產品開發和推廣的順利進行。這包括: 𖡡 跨部門協作: - 研發團隊:協調技術開發,確保產品功能和技術實現符合需求。 - 設計團隊:合作進行用戶體驗設計,確保產品界面和交互符合用戶需求。 - 市場團隊:制定和執行市場推廣策略,提升產品知名度和市場佔有率。 - 銷售團隊:支持銷售活動,提供產品培訓和銷售資料,幫助銷售團隊達成目標。 𖡡 溝通技巧: - 清晰表達:能夠清晰地傳達產品願景、需求和優先級,確保所有相關方對產品方向有一致的理解。 - 傾聽與反饋:積極傾聽各部門的意見和反饋,及時調整產品策略和計劃。 - 衝突管理:有效處理跨部門合作中的衝突和分歧,促進團隊協作。 𖡡 工具: - 使用協作工具(如Slack、Microsoft Teams)來促進即時溝通。 - 使用項目管理工具(如Jira、Trello)來協調和追蹤跨部門項目進展。 【實踐建議】 - 培養情商:提升情商(EQ),增強與不同背景和職能團隊合作的能力。 - 定期會議:舉辦定期的跨部門會議,保持信息透明和協作順暢。 9. 技術基礎知識(Technical Knowledge) 產品經理不需要成為技術專家,但具備基本的技術知識有助於更有效地與技術團隊合作。這包括: 𖡡 理解技術架構: - 基本概念:了解前端、後端、數據庫、API等技術基本概念。 - 技術棧:熟悉公司產品所使用的技術棧,理解其優勢和限制。 𖡡 開發流程: - 版本控制:了解Git等版本控制系統的基本操作。 - 持續集成/持續部署(CI/CD):理解CI/CD的基本原則和流程,提升與開發團隊的協作效率。 𖡡 技術溝通: - 術語理解:掌握基本的技術術語,能夠有效地與開發人員交流需求和問題。 - 問題解決:能夠理解技術限制和挑戰,協助制定可行的產品解決方案。 【實踐建議】 - 自學資源:利用在線資源(如Codecademy、Coursera的技術基礎課程)學習基本的編程和技術知識。 - 實踐經驗:參與技術項目或與開發團隊合作,獲取實際的技術經驗。 10. 產品路線圖規劃(Product Roadmapping) 產品路線圖是產品未來發展的戰略藍圖,幫助團隊和相關方了解產品的發展方向和計劃。這包括: 𖡡 路線圖構建: - 短期與長期目標:平衡短期的功能需求和長期的戰略目標,確保產品發展的可持續性。 - 優先級設定:根據需求的重要性和資源限制,合理安排功能和改進的優先級。 𖡡 路線圖類型: - 目標導向路線圖(Goal-oriented roadmap):圍繞具體的業務目標和成果來構建。 - 功能導向路線圖(Feature-oriented roadmap):以具體的功能和特性為核心進行規劃。 𖡡 溝通與分享: - 內部共享:與團隊和相關部門分享路線圖,確保所有人對產品發展方向有一致的理解。 - 外部溝通:根據需要向投資人、客戶等外部相關方展示產品路線圖,提升透明度和信任度。 𖡡 路線圖管理: - 靈活調整:根據市場變化和用戶反饋,定期更新和調整產品路線圖。 - 工具使用:利用產品路線圖工具(如Aha!、ProductPlan、Roadmunk)來設計和管理路線圖。 【實踐建議】 - 定期回顧:定期回顧和更新產品路線圖,根據實際情況調整計劃。 - 協作制定:與跨部門團隊共同制定路線圖,確保各方需求和資源的平衡。 - 視覺化呈現:使用視覺化工具將路線圖呈現得清晰易懂,方便各方理解和跟進。 【總結】 每個領域都有其獨特的重要性,綜合運用這些知識能夠提升你的產品管理能力,幫助你在職業生涯中取得更大的成功。以下是一些進一步的建議: - 持續學習:產品管理是一個不斷演變的領域,保持學習的熱情,持續更新知識。 - 實踐應用:將學到的知識應用到實際工作中,通過實踐不斷提升技能。 - 尋求反饋:積極尋求同事和上司的反饋,了解自己的不足並加以改進。 - 建立網絡:參加產品管理社群、研討會和活動,與其他產品經理交流經驗和心得。
知識貓星球・PM雜學相談室-新手轉職PM交流區🙌

從數位工具到商務實戰──義民高中資料處理科:培養跨域競爭力的數位職人

如何讓學生在 AI 崛起與網路經濟爆發的時代脫穎而出?義民高中資料處理科給出了一個清晰的答案。這門兼具「資訊技術」與「商業管理」的學科,不僅教導學生如何操作電腦、考取證照,更著重於跨領域的邏輯思維與實務整合。在這裡,學生從最基礎的文書處理出發,逐步踏入會計、經濟與商業專題製作的殿堂,在數字與程式碼之間,編織出屬於自己的未來職涯藍圖。 跨域思維的先行者:結合資訊與商務的學科優勢 「資料處理科最核心的優勢,就在於它的『跨領域』。」義民高中資料處理科陳昭君主任在訪談中一針見血地指出。面對許多國中生與家長常將「資訊科」與「資料處理科」混淆的疑問,主任給出了一個簡單而明確的判別方式:「資訊科是工業類群,面對的是機器;而資料處理科(資處科)則是商業管理群,面對的是人。網路世界的基礎是電腦,當你具備了電腦操作能力,又懂得商業運作邏輯,就能直接跨入電子商務與現代商務的領域。」 在課程設計上,資處科將複雜的電腦應用與統整商管知識相結合。高一到高三的學科內容涵蓋兩大體系: 資訊技術: 電腦軟體應用(Word、Excel、PowerPoint)、中英文輸入、計算機概論與Python 程式語言。 商業類科: 會計學、經濟學、商業概論到專題製作。 這種雙軌並進的訓練,讓資處科的學生在面對複雜的商業環境時,既擁有清晰的邏輯思維,又具備資料處理的執行力。 圖:學生透過上機實作,培養文書能力 從基本功到高階應用:以證照檢定奠定實力自信 在義民高中資處科,學習成果不只體現在課堂的聽講上,更落實在具體的證照考取與技能檢定中。學校規劃了一套循序漸進的證照地圖,協助學生在三年內建立無可替代的硬實力。 「我們透過考取證照的過程,給孩子們建立信心。」主任分享,高一時學生會先從電腦軟體應用丙級、TQC 辦公室應用軟體(Word、Excel、PowerPoint)以及中英文輸入開始扎根;到了高二、高三,則進階挑戰高難度的「電腦軟體應用乙級」檢定,以及人工記帳會計丙級等專業證照。 目前就讀資處科的林同學與戴同學,便充分展現了這項環境帶來的專業實力。林同學在三年內考取了包括電腦軟體應用乙級與丙級、商教會會計一級檢定、人工記帳會計丙級等多張高含金量證照;戴同學也順利拿下了電腦軟體應用丙級及多張 TQC 證照。這些努力,成為他們畢業時最堅實的備忘錄。 圖:高中三年努力考取多張證照,展現學以致用的實力 理論與實務的交會:專題製作打開職涯的無限可能 隨著 108 課綱的推進,「專題製作」成為資處科高三學生最重要的核心課程。專題製作要求學生必須主動整合三年所學,從無到有地完成一項縮小版的商業研究或企劃報告。 主任分享,目前科大在競賽與專題上喜好的取向,多圍繞在 ESG(環境、社會與治理)、APP 應用、產品行銷企劃與活動企劃。因此,學生的專題主題也緊扣這些時代脈動,例如有組別便以「心理舒壓」為核心研發創意點子,完成了具備高度整合性的專題成果。 在專題製作的過程中,學生必須寫出完整的企劃書,內容涵蓋室內設計構想、成本預算控制、人力資源配置、行銷宣傳策略等。主任透露:「在討論行銷推廣時,學生提出想利用 Instagram作為宣傳通路。我不直接教他們怎麼進行推廣,但我會以過去做行銷的經驗挑戰他們:『你們的推廣策略就只有這樣嗎?要怎麼寫文案?文稿跟圖片要怎麼呈現?』」這種高互動性的引導,讓學生養成思考每一步驟背後的邏輯與效益。 圖:高三專題成果,榮獲商業類技藝競賽獎項,展現跨域整合與實作能力 多元進路與特質媒合:找到屬於自己的發光舞台 「讀資處科,最大的好處就是未來的出路非常寬廣。」主任驕傲地表示。由於兼具資訊與商管背景,資處科畢業生在統測升學時擁有極大的優勢,可選擇的落點涵蓋:資訊管理系、企業管理系、財務金融系、會計系、財稅系等…甚至是跨足跨域的工業管理、資訊工程系等。 對於有志於在高中畢業後直接投入職場的「實用技能班」學生,資處科也提供了充足的就業準備。林同學與戴同學便分享,身邊選擇直接就業的同學,多數能順利進入餐飲業、零售通路(如全聯)等服務產業服務。更有實用技能班的孩子在畢業後,一邊在知名科技公司(如緯創)上班,一邊在國立大學研究所繼續深造,實現了產學無縫接軌。 究竟什麼樣的孩子適合就讀資料處理科?主任與兩位學生的分享總結出了以下幾項人格特質: 樂於與人互動、不排斥溝通: 商管群的核心在於服務與協調,具備良好的文字與言語表達能力是重要基石。 對數字與細節具備敏感度: 不需要數學成績頂尖,但必須對數字有耐心,能從簡單的數據中發現脈絡。 喜好操作電腦、不排斥邏輯思考: 面對系統與程式工具,願意動腦思考其運作邏輯。 航向數位未來的羅盤:在多變環境中發光的跨域英才 在義民高中資料處理科的三年的時光裡,學生學到的從來不只是死板的軟體操作,而是一套與現代數位世界對話的方式。從高一敲擊鍵盤的生疏,到高三能在講台上自信展示專題成果;從面對數據的迷惘,到能用多元工具梳理資料邏輯。這群資處科的學生在細節中鍛鍊判斷力,在跨領域的碰撞中摸索自我,陪伴著他們走向未,在各自的領域裡閃閃發光。 開箱資料處理科學習日常!更多科系探索,歡迎追蹤104高職生IG 在 Instagram 查看這則貼文 104高職生(@104v.hs)分享的貼文
【104職場力】

員工滿意度自己調查?小心掉進數據陷阱!

文/104人資學院 許多人資想透過員工滿意度調查,掌握組織健康與留才風險,但自行調查常遇到信效度不足、填答率低、數據難分析等難題,結果往往流於形式。本文深入探討HR在內部自辦調查的常見困境,並比較104員工體驗調查的專業優勢,包括專家題庫、智能化流程、產業常模比對、視覺化報告與改善建議。透過科學化、數據化的工具,企業不僅能真正聽見員工心聲,更能有效轉化為行動方案,提升敬業度、強化雇主品牌,進而推動企業營運績效成長。 本文導覽 為何內部自行調查員工滿意度如此困難? 信效度不足:問卷設計的隱藏風險 填答率低落:匿名性與員工疑慮 分析困境:缺乏外部常模與基準比較 從數據到行動:HR推動改善的斷層 104員工體驗調查的五大優勢 成效驗證:如何降低離職風險、提升績效 自行調查 vs. 104調查:比較一目了然 讓員工調查成為企業成長引擎 在少子化與人才競爭加劇的環境下,員工是否滿意工作、是否願意長期投入,已成為企業能否穩定成長的關鍵指標。許多企業人資部門都嘗試以員工滿意度調查作為診斷工具,期望從中洞察組織氛圍與改善方向。然而,當企業選擇自行執行調查時,往往發現過程比想像中複雜,從問卷設計、資料蒐集到結果分析,每一步都潛藏挑戰。 為何內部自行調查員工滿意度如此困難? 許多人資深知,員工滿意度調查是一項重要的管理工具,能協助企業了解員工心聲,並進一步改善組織氛圍。然而,當HR嘗試自行設計與執行調查時,卻往往在過程中遇到難以克服的挑戰:問卷題目不夠專業,HR需要收集很多文獻或資料,才知道調查向度是否夠廣、夠深。倘若沒有受過專業訓練,題目可能設計得模擬兩可,問不出真實狀況。或是一個題目兩個問法,讓員工不知如何回答。題目設計若不夠精準,很可能導致員工誤解或回答偏差,進而影響調查的有效性。 信效度不足:問卷設計的隱藏風險 自行設計問卷的最大問題之一是缺乏科學驗證。好的調查題目必須經過信度與效度的檢驗才能信賴。信度指的是同一構面下各題目是否反映相同的意涵,這需要專家判斷與足夠樣本,才能判定是否達標。 效度則關乎題目是否真正測到我們想要的概念,特別是與組織目標相關的關聯效度:專業調查會以組織承諾、留任率等作為效標,檢視題目與這些重要結果是否有實質關聯。沒有高信效度支撐的題庫,所得數據難以真實反映員工心聲,最終只會讓調查淪為形式,無法提供可執行的管理洞見與決策依據。 填答率低落:匿名性與員工疑慮 若HR直接以公司名義發放問卷,員工往往擔心填答內容會影響升遷或考核,導致不敢誠實作答。即便表面上回收率不低,內容也可能因顧慮而失真。缺乏第三方匿名保障,數據很難反映組織的真實狀況。 分析困境:缺乏外部常模與基準比較 許多HR坦言,從設計問卷、管理回收到自行分析,內部調查既耗時又費力,且缺乏可比的行業常模,使結果通常停留在「部門A高於部門B」這類內部差異,無法回答「我們在產業中的相對表現如何」。 在當前缺工的時代,與外部比較變得更為關鍵:例如薪資項目通常是員工滿意度中得分最低,但若沒有業界基準,唯一的解法往往只會是全面調薪;若能與同業比對,便可能發現實際差距並不大,進而避免不必要的成本支出。缺乏外部參照的調查結果容易流於表面,難以取得主管認同,也無法為高層提供具體的決策依據或可執行的改善方案。 從數據到行動:HR推動改善的斷層 另一個常見挑戰是「數據無法轉化為行動」。調查雖指出需改善的面向,但倘若負責設計調查者的人資經歷較不深厚或不夠全面,提出的方案往往片面或停留於短期修正,無法兼顧系統性與長期效益。建議與具備多年業界實務經驗的資深專家合作,協助從數據擬定可執行的改善計畫、優先順序與衡量指標,並規劃後續追蹤,才能讓調查從一份靜態報告轉為驅動組織改善的實際動力。 104員工體驗調查的五大優勢 專業題庫與高信效度由專家設計題庫,涵蓋九大構面與八大情境題組,題目經過信效度驗證,能確保數據真實反映員工想法,避免誤差與片面性。 自動化流程,降低HR負擔提供一鍵建置問卷、智能發送與填答提醒,HR 不需再花大量時間管理流程,大幅提升作業效率。 第三方匿名調查,提升真實回饋由第三方平台執行,確保調查全程匿名,讓員工放心填答,取得最真實的意見。依104執行員工滿意度顧問專案的經驗顯示,回答率通常可提高至80%。 產業與職務常模,掌握競爭定位平台擁有上千家企業、產業X職務常模779種的大數據比對資料,HR可快速比較內外部落差,找出競爭優勢與改善弱點。 視覺化報告與改善方案落地自動生成圖表化報告,提供PR值定位與關鍵改善建議,企業可依據結果進一步優化各項人資策略,幫助企業將數據轉化為行動。 成效驗證:如何降低離職風險、提升營運績效 實際導入後,許多企業明顯降低員工流失率,並在組織氛圍與敬業度上獲得提升。有研究顯示,敬業度高的企業,業績成長率與獲利率均明顯優於同業,這證明員工調查若能轉化為行動,確實能帶來長遠效益。 自行調查 vs. 104調查:比較一目了然 項目企業自行調查104員工體驗調查題庫品質自行設計,信效度未驗證專家設計,信效度經科學驗證平台功能一般問卷平台,無法即時催測,產出專業報告一鍵建置、智能發送、自動提醒、專業報告匿名性員工疑慮高,回覆失真第三方匿名,提升填答率與真實度分析深度僅能內部比較,缺乏業界資訊比對產業與職務常模,掌握相對競爭力行動落地受限於HR的專業是否資深,影響策略成效提供改善建議與資源連結,支持策略落實表:自行調查員工滿意度與104員工體驗調查的比較 讓員工體驗調查成為企業成長引擎 員工體驗調查若只停留在「做過」的層次,對企業幫助有限。透過104員工體驗調查系統及人資顧問團隊的專案解方,HR不僅能快速取得可靠數據,更能掌握外部比較基準,並將結果轉化為具體行動。這不僅可提升員工敬業度,也能強化雇主品牌與企業競爭力。對企業而言,調查不再只是例行性作業,而是推動營運績效成長與永續發展的重要引擎。 聯繫104人資學院,預約諮詢更多解方! 打造企業永續的「內部氣候預警系統」>> 104員工體驗調查 經濟環境變動,有效留才的薪酬結構如何因應>> 人資顧問諮詢 用大數據找出能力缺口,人才培訓更精準>> 104職能發展系列課程
【104職場力】

產品經理(PM)學習數據分析的好處!強化決策依據、提早發現問題等,提升你的產品市場競爭力

當產品經理 (PM) 掌握了數據分析能力後,可以更全面、深入地應用數據來推動產品成功,數據分析技能讓 PM 不僅能回答「發生了什麼」,還能進一步探索「為什麼會發生」和「我們應該怎麼做」,大幅增強了在產品開發中的核心價值。以下是數據分析對 PM 的詳細好處說明: 1. 強化決策依據 - 客觀數據支撐決策:傳統的決策過程可能依賴經驗或直覺,但數據分析可以提供具體的數字和趨勢,幫助 PM 以更客觀的角度看待問題。例如,針對某功能是否受歡迎,分析其使用數據和留存率就能提供比用戶反饋更有力的證據。 - 快速響應市場變化:透過分析市場數據(如用戶需求變化、競爭對手行動),PM 可以在市場出現變動時更快調整產品策略,搶占先機。 2. 識別問題並發現機會 - 找出用戶痛點:PM 可以通過數據分析識別用戶的困難,例如在某些功能流程中,發現有較多用戶流失,可能意味著該功能體驗需要優化。 - 發現新功能需求:從用戶行為數據中挖掘未來的潛在需求,例如發現用戶在特定情況下會頻繁使用某些功能,可能是新功能的開發方向。 - 市場細分:數據分析能幫助 PM 更清晰地識別目標客群,並了解各類用戶群的不同需求。例如,透過行為分析找出不同用戶群對產品功能的偏好,有利於制定更具針對性的產品策略。 3. 追蹤產品成效 - KPI 和指標監控:PM 可以透過分析各種關鍵績效指標 (KPI) 來判斷產品是否達到目標,如用戶留存率、活躍度和轉化率等。這有助於 PM 對產品發展進行定期檢查,確保方向符合目標。 - 衡量改版效果:每次產品的改版或新功能上線後,PM 可以透過數據分析追蹤改變的影響,如通過 A/B 測試來確定改動是否帶來正面結果,並從數據中了解具體影響程度。 - 數據驅動迭代:透過數據得出的 insights,PM 可以不斷優化和迭代產品,提升用戶體驗。例如,針對某些低互動率的功能,PM 可以根據分析結果找到改進方法。 4. 增強與數據團隊的合作 - 更好地表達需求:當 PM 具備基礎數據分析技能後,可以更精確地描述所需的數據指標和報告形式,避免因溝通不清而浪費數據團隊的時間。 - 提升分析報告的理解力:PM 可以更輕鬆地理解數據團隊提供的分析結果,快速從數據中提取重點,將結果轉化為行動方案,而不是依賴數據專家進行翻譯。 - 減少依賴並增加自主性:具備基本的數據技能後,PM 可以自己完成簡單的數據查詢與分析,減少對數據團隊的依賴,加速產品迭代過程。 5. 提升市場競爭力 - 更全面的市場理解:數據分析不僅幫助 PM 解讀自家產品的表現,也能分析市場動向、競爭對手的策略等。例如,透過第三方數據平台(如 Similarweb 或 App Annie)獲得競品流量來源、用戶行為偏好等。 - 前瞻性預測:在掌握了用戶行為、需求變化的數據趨勢後,PM 可以做出更前瞻的產品策略規劃。例如,預測某種新興需求的增長,並搶先推出對應功能
知識貓星球・PM雜學相談室-新手轉職PM交流區🙌

「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

有任何收穫或想分享的,都來和大家一起聊聊吧!