104學習精靈

員工激勵

員工激勵
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
關於教室
關注人數 7 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室,提供大家進行共學互動。
學習主持人
持續分享知識,
有機會成為官方教室主持人
教室標籤
關於教室
關注人數 7 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室,提供大家進行共學互動。
學習主持人
持續分享知識,
有機會成為官方教室主持人
教室標籤
Hi~ 歡迎分享學習資源,有學習問題可匿名向Giver發問!
我要分享
我要提問

員工激勵 學習推薦

全部
影片
文章
外貿協會培訓中心(高雄)

培訓中心

07/09 16:55

2024/08/20「企業管理勞動法令應用實務」(線上直播)
企業管理員工要關注哪些勞動法令?
如何激勵新世代員工?
如何招募適合人才並安排合適的工作?
機器人能取代優秀人才嗎?AI機器人能替代體力勞動員工嗎?
勞檢後有哪些相關處理作業?
處理勞資爭議要準備什麼資料?
如何建立勞、資互惠互利的工作環境?
讓馬翠華老師以實務經驗帶您如何在法規之下完善處理勞資議題,歡迎踴躍報名「企業管理勞動法令應用實務」(線上直播)課程!
✅ 【上課時間】2024年8月20日(二)09:00~16:00
✅ 【課程費用】新臺幣3,000元(含學費、講義、稅金)
✅ 【上課方式】線上直播
●早鳥(7月29日前完成報名流程)、2~4人團報:2,700元/人
●績優廠商/中堅企業員工、5人(含)以上團報、ITI特約廠商:2,550元/人
(績優廠商/中堅企業員工報名時務必於報名表註明公司統編與全名始享有優惠)
(歡迎有意簽特約廠商來信/電洽詢)
★★★滿10人開班,請收到開課通知後再進行繳費作業。
現在就立即點選下方連結報名去
2 0 290 0

熱門精選

104學習精靈

產品

08/12 16:54

AI 職場英文實戰力:突破英文瓶頸,無痕變高手!
\ 購課再送100點LINE POINTS /
厭倦了學了10年英文,卻仍無法流利溝通?
害怕在職場上用英文表現不佳,錯失良機?
這堂課程專為你設計,讓你輕鬆駕馭AI工具,瞬間展現流利英文!
⭐ 用中文操控AI,瞬間生成專業英文
⭐ 即學即用,快速提升溝通能力
⭐ 自信應對各種職場情境
⭐ 突破瓶頸,提升職場競爭力
立即加入我們,讓英文不再是你的障礙,而成為你職場的強大後盾!
2 1 30028 1
一零四獨家新知識

nabi總知識長

2022/10/05

新加坡職場專家:「內向者」職場上絕不會輸人,但必須得改變此事
你在職場裡算「內向」嗎?新加坡職場專家上週對「內向者」提出火辣建議,他說,內向者由於先標明了「我是內向者」,周圍的氣氛也都跟著改變了;其實同事之間不只分為外向與內向,每一位都是一個獨特且美麗的存在──專家鼓勵內向者,職場上絕不會因為內向而輸給人,反之,內向者自有它獨特的魅力。
說真的,當自己不再在乎是否被他人接受,就表示自己真正的全盤的接受了「自己」,於是,再也沒有人可以傷害得了你!
每天進步一點點,每天進步1%,104的今日頭條知識每天帶給你最新的職場趨勢、最好用的新知、每天都來看,我們會長得像是自己最帥最美的樣子!
9 2 3021 5

推薦給你

知識貓星球

喵星人

4小時前

探索性數據分析(EDA)是什麼?幫助產品經理深入分析,一篇文章看懂
探索性數據分析(EDA)是產品經理在進行深入分析或建模前,用來快速了解數據的一種方法。簡單來說,它幫助你了解數據的基本特徵、發現異常和缺失值等,以下將詳細介紹:
1. 了解數據的基本特徵:透過統計數據(如平均值、最大值、最小值)快速掌握數據的大概狀況。
2. 可視化數據:使用圖表(如直方圖、散點圖、箱形圖等)來查看數據的分佈、變量間的關係和潛在趨勢。
3. 發現異常和缺失值:檢查數據中是否有異常點或遺漏的數據,以確保數據的準確性。
4. 變量之間的關聯性:檢查數據中的不同變量是否相關,為後續的決策提供依據。
EDA 的目的是通過簡單的分析快速理解數據,為後續的深度分析和決策打好基礎。
要運用探索性數據分析(EDA)來幫助做出產品決策,以下是簡單的步驟指南:
1. 定義問題與目標
先明確你要解決的問題。例如,你可能想提升某個功能的用戶轉換率或找出導致用戶流失的原因。
2. 收集數據
從數據來源(如 Google Analytics、產品日誌、用戶反饋等)中收集與目標相關的數據,這可以包括用戶行為數據、產品使用數據、營銷數據等。
3. 進行基本數據檢查
- 數據總覽:查看數據有多少行、多少列,是否有缺失值。
- 統計摘要:快速檢查數據的平均值、最小值、最大值等,來了解數據的整體分佈。
4. 使用圖表進行可視化
利用簡單的圖表來快速了解數據:
- 直方圖:查看用戶行為的分佈(例如使用某個功能的頻率)。
- 散點圖:找出變量之間的關係(例如用戶使用時長與轉換率的關係)。
- 箱形圖:檢查是否有異常值,這些異常值可能會影響分析結果。
5. 檢查數據中的模式與趨勢
- 發現趨勢:例如,通過分析用戶的使用行為,發現某個功能在特定時間段更受歡迎。
- 群體分析:將用戶按不同特徵(如地區、設備、年齡)分群,看看各群體是否存在行為差異。
6. 處理異常值與缺失值
- 對於缺失數據,可以選擇補充或移除它們。
- 對於異常值,決定是否要排除,還是進一步分析其原因。
7. 根據發現制定行動計劃
根據 EDA 的結果,得出有價值的結論,然後制定具體的行動方案。例如,發現某些功能的使用頻率較低,可能需要優化或重新設計。
8. 持續監控與迭代
在產品上做出改變後,繼續收集數據,重複進行 EDA,以確認改進是否有效。
通過這些步驟,EDA 幫助你快速理解數據中的關鍵資訊,支持數據驅動的產品優化和決策。
0 0 84 0
你可能感興趣的教室