卓越績效管理與提升
104學習
資料登錄
指的是將各類資訊準確且有條理地輸入系統或資料庫，確保數據完整無誤，方便後續查詢與分析。這項技能要求細心、耐心及基本電腦操作能力，常見於行政、會計、客服等職務。良好的資料輸入能力能提升工作效率，減少錯誤，對企業營運管理相當重要。
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
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】
Power BI 資料清理與建模
人資 AI Agent 工作坊：招募自動化與 Codex 數據分析
專為HR設計的：Excel招募數據分析
【確認開班｜最後晚鳥領$ 4,350券現折】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
管好員工做對事：溝通協調力
HR效率神器！Power Automate 啟動自動化辦公
Power BI HR管理分析師【招募數據視覺化】
精選證照
考取專業證照，讓能力被市場看見
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
數位人資管理師-專員級認證
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-專員級認證，代表您具備以下能力
1.了解人力資源e化系統的重要元素，可協助組織判斷最合適的人力資源e化方案
2.熟悉人力資源e化系統各面向的實務操作，成為公司導入e化的最佳執行者。
3.具備基礎數據分析能力，使HR對公司的貢獻可被量化，可被管理。更可透過數據分析發現組織人才管理的關鍵問題。
104資訊科技股份有限公司
資料庫與資料結構處理認證
資料庫與資料結構處理認證是關於如何有效地管理和組織數據的認證。學習者將學習設計和實現關鍵的資料庫技術，如關係型數據庫，以及資料結構處理技術，如排序、搜索和哈希表等。
資料庫與資料結構處理認證評估專業人士在資料庫和資料結構處理方面的能力和專業知識。通過這項證照的專業人士通常具備設計、實施和管理資料庫系統以及處理各種資料結構的能力，以支援組織的數據管理需求。
TIPCI臺灣國際專業認證學會
CDIA+
CDIA+（Certified Data Intelligence Associate）證照專注於數據智能與資料分析能力，涵蓋資料收集、處理、分析及應用等核心技能，協助企業從大量數據中萃取價值，提升決策品質與營運效率。持有此證照代表具備運用數據驅動策略及解決問題的專業能力，適合數據分析師、業務分析師及相關領域專業人士，助力職涯發展與職場競爭力提升。
Comp TIA
全方位基礎人力資源管理師認證
『全方位基礎人資管理師認證班』是國內目前梯次數最多、開班最廣、傳承歷史最悠久、唯一且最具系統化的人力資源管理師養成課程，透過具豐富實務經驗且熱情的專業講師團，深入淺出地引領學員循序漸進學習與交流各項主題，過程中並輔以精闢個案探討與擬真實作演練，藉此帶領學員有效提昇本身人資專業知能，並加速培養出能承接未來在人資領域中更具挑戰性任務的實力。
整體課程架構，將從「策略性人力資源管理架構」談起，先帶領學員建立對策略性人力資源管理的整體概念，並打通各項人資功能定位上的任督二脈後，接著以「工作分析」為基礎，逐步、詳實且系統化地介紹各項人力資源管理之「選、訓、用、留」的基本概念及實務，諸如：「人才招募、遴選與任用」、「績效管理與訓練發展」、「薪酬管理與員工福利」、「員工關係與留才管理」等主題。整體系列課程前後呼應、兼具理論介紹、觀念導正與實務分享，使學員對人力資源管理有完整且正確的認識，不僅有助於未來朝向其他人資專業進一步學習上做好準備外，亦能使自己在人資職涯發展上有更清楚的方向及計畫，還在猶豫? 趕快來點選報名吧！
社團法人中華人力資源管理協會
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
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！
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
「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＞
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']
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
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
用AI打破求職困境：4關鍵快速讓HR看見你的亮點
「如何使用AI幫我找工作？」、「可以用ChatGPT 寫履歷嗎？」以及「用AI寫履歷，HR怎麼看？」這些問題是許多求職者常常有的疑問，反映了近年最新的求職趨勢，大家對於人工智慧（AI）技術在求職過程中角色的高度關注。隨著AI工具的進步，履歷撰寫和求職審核已經發生了重大變化，這不僅改變了求職者的策略，也影響了HR的招聘方法。本文將深入探討AI生成履歷中的常見錯誤及其影響，並提供4個實用的建議，幫助求職者在競爭激烈的求職市場中脫穎而出!
文/104獵才顧問行銷企劃部
點擊前往關注AI相關500家企業？免應徵👉先跟HR聊聊
本文導覽：
一、AI生成履歷的兩大常見錯誤
錯誤1：履歷內容過度完美且理想化，可能引發資訊造假懷疑
錯誤2：避免履歷空泛形容，強化具體經歷描述
二、利用AI工具迅速打造專業履歷：4個關鍵步驟吸引HR目光
關鍵一：利用專業AI生成工具生成專業履歷
關鍵二：突顯個人亮點、強化履歷吸引力
關鍵三：自傳撰寫風格應保持真實性
關鍵四：進行自我驗證，提高履歷可信度
三、結論：運用AI工具，展現真實自我
一、AI生成履歷最常的2大錯誤
錯誤1：履歷內容過度完美且理想化，可能引發資訊造假懷疑
AI容易過度美化經歷，甚至讓原本的主題失真，一定要避免出現資訊造假之嫌。雖然在使用AI輔助履歷時，會提供框架及指令，但AI的用字遣詞畢竟無法像人類相同精準，在最後檢查履歷、修正資訊時，仍需要自己斟酌寫法及用字。否則HR透過行為事例的方法追問，很容易就能問出漏洞。
錯誤2：避免履歷空泛形容，強化具體經歷描述
避免履歷中過於籠統的描述，應該更加專注於具體的工作經歷細節。一個好的描述應該包括清晰的數據和具體的操作過程，例如：「我曾負責招募工程師和企劃人員，透過ＯＯ平台，僅花費ＯＯ天時間，成功招聘到ＯＯ位高質量的人才。」相比之下，AI生成的描述往往僅停留在表面，例如「負責企劃人員的招聘」。HR專業人士在審核履歷時，注重人才能否具體描述他們的行動和具體績效，這也是履歷中使用CAR原則（Context, Action, Result）的核心意義：清楚地闡述自己的行動過程、方法，以及達成的具體成果。
本文【AI生成履歷最常的2大錯誤】節錄自： 《用AI寫履歷，HR怎麼看？「2大地雷」絕不能犯｜AI履歷生成3步驟》
二、AI生成履歷秒吸睛！4關鍵快速讓HR看見你的亮點
隨著技術的進步，AI不僅改變了工作環境，也徹底重塑了求職市場。對求職者來說，如何利用AI工具來打造出色的履歷，成為在競爭中脫穎而出的關鍵。以下將為你詳細介紹如何運用AI打破求職困境，快速吸引HR的目光。
關鍵一、 利用專業AI生成工具生成專業履歷
在求職過程中，履歷是求職者給HR的第一印象。可以使用AI工具如LazyApply、Job GPT和Sonara，幫助你快速生成專業且具吸引力的履歷，確保在眾多應徵者中脫穎而出。
工具推薦1.LazyApply：快速生成基本履歷格式
LazyApply是一款簡單易用的AI工具，它能根據你的基本資料自動生成一份完整的履歷，省去手動編寫的麻煩。只需輸入你的個人資訊、工作經歷和教育背景，LazyApply便能在幾分鐘內為你創建一份整潔的履歷。
工具推薦2.Job GPT：根據職位要求自動調整履歷內容
Job GPT則進一步提升了履歷的針對性。該工具可以根據不同職缺的要求，自動調整履歷內容，確保你的履歷與所申請的職位高度匹配。這不僅能增加你獲得面試機會的可能性，還能讓HR更容易看到你的專業能力和適配性。
工具推薦3.ChatGPT：優化自傳和專業技能描述
ChatGPT能幫助你優化履歷中的自傳和專業技能描述，增加吸引力。通過簡單的對話，ChatGPT可以提供修改建議，幫助你以最佳方式呈現自己的優勢。它還能生成多種版本的自傳，讓你可以根據不同公司和職位的要求進行選擇。
關鍵二、突出個人亮點，增強吸引力
履歷生成後，關鍵是要突出你的個人亮點，讓HR一眼就能看到你的優勢。這包括強調你的關鍵技能、重要成就和專業經驗。
1.強調關鍵技能
列出與職缺相關的技能，並提供具體的實例支持。例如，如果你應徵的是市場行銷職位，應該強調你在數據分析、社交媒體營運和創意文案撰寫方面的技能，並提供相關工作經歷中的具體例子。
2.展示重要成就
使用數據和具體例子來展示你的成功案例。例如，如果你曾經領導過一個銷售團隊並實現了業績目標，可以詳細描述你的策略和成果，並提供具體的數據支持，如「在6個月內將銷售額提升了20%」。
3.詳述專業經驗
詳細描述你的職務內容和成果，增加說服力。避免過於簡短和籠統的描述，應該提供具體的工作細節和所取得的成果。例如，「在ABC公司擔任產品經理，負責產品開發和市場推廣，在我的領導下，新產品上市後的前三個月銷售額達到了50萬美元」。
關鍵三、自傳撰寫風格應保持真實性
根據南韓2023年企業招聘動向調查顯示，65%的HR表示，如果發現求職者使用ChatGPT來撰寫自傳，將對其進行扣分或不予錄取。因此，撰寫自傳時應該避免過度依賴AI，應該保持真實性和個人風格。
1.保持真實性
描述真實的經歷和感受，避免虛構或過度誇大。例如，描述你在某個項目中的具體角色和貢獻，而不是簡單地聲稱「成功完成項目」。
2.展現個人風格
保持自傳的個人特色，讓HR感受到你的真誠和熱情。可以通過描述你的職業目標、工作態度和價值觀來展示你的個性，讓HR更好地了解你這個人。
關鍵四、進行自我驗證，提高履歷可信度
在提交履歷之前，應該進行自我驗證，確保所有資訊的真實性和準確性。這不僅有助於提升你的可信度，也能避免因資訊不實而被淘汰。
在提交履歷之前，進行自我驗證是非常重要的步驟，能夠提升你的可信度和競爭力。以下是幾個關鍵的自我驗證方法：
1. 證實績效真實性
確保履歷中描述的成就和績效真實可信，避免誇大或虛構。以下是一些有效的證實績效真實性的方法：
使用CAR法則：在描述你的成就時，使用情境（Context）、行動（Action）、結果（Result）的結構，具體描述你的貢獻和成果。這種結構能夠幫助HR更好地理解你的工作能力和實際貢獻。
實務能力驗證：提供相關的工作樣本、作品集或案例，以證明你的能力和績效。例如，如果你是一名設計師，可以提供你的設計作品或專案成果來支持你在履歷中的描述。
詢問歷任公司主管：可以提供前任主管或同事的聯繫方式，讓HR可以直接詢問和確認你的工作表現和貢獻。這種方式能夠增加你的可信度，讓HR對你的履歷更有信心。
2.查驗學歷證書
確保你在履歷中提到的學歷和資格證書的真實性和有效性。在提交履歷時，可以提供正本的畢業證書或相關的教育資訊，以證明你的學歷符合職位要求。
提供正本畢業證書：在面試或履歷投遞時，準備好正本的學歷證書副本，以便HR可以核對。
3.核對工作經歷
確認所有職務描述和任職期間的準確性和一致性。提供相關的離職證明或推薦信，讓HR可以核實你的工作經歷和職位責任。
查驗離職證明正本：準備離職證明或工作推薦信，以便HR可以確認你的工作經歷和職位責任。
比對勞保投保紀錄：有些公司會記錄員工的勞保投保情況，可以通過比對這些紀錄來確認你在該公司的工作時間。
4.檢查履歷一致性
確保不同版本履歷中提供的資訊一致且沒有矛盾。比對歷次履歷表，確保所有的工作經歷和職務描述在各個版本中保持一致，避免因資訊不一致而對你的專業形象造成影響。
本文【AI生成履歷秒吸睛！4關鍵快速讓HR看見你的亮點】節錄自： 《破解AI生成履歷4訣竅：HR在AI時代的必備能力，專業獵頭(headhunter)教你辨別履歷真偽!》
三、結論：運用AI工具，展現真實自我
AI技術的應用為求職者提供了強大的工具，幫助你快速生成專業履歷，突出個人亮點。然而，最重要的是保持履歷中資訊的真實性和個人風格，讓HR在看見你的履歷時，也能感受到你的真誠和對於這份職務的熱情。通過結合AI工具和個人努力，將能夠提升在競爭激烈的求職市場中脫穎而出，快速吸引HR的目光。
【工具推薦】
📣AI職涯顧問：登入 104 會員，進入 AI職涯顧問 的「關於我」，系統會自動根據你的 104 履歷表快速生成「個人特點」，讓企業瀏覽眾多履歷表時能快速發現你的優勢亮點
👉立即試用
【推薦關鍵人才的AI趨勢好文】
📣AI市場薪情知多少？《AI到底有多熱！從市場薪情找出你的高薪機遇》
📣AI時代會減少工作機會？《AI將減少工作機會？深入解析ChatGPT如何影響未來就業趨勢》
📣把握AI新職業機會的3大策略《AI引領職場變革！把握新職業機會的3大策略》
║關鍵人才專屬AI職缺推薦║
AI 處理器設計工程師
聯發科技股份有限公司│新竹市熟悉處理器系統BUS and memory architecture、熟悉Verilog
AI software development manager
廣達電腦股份有限公司│台北市中山區8年以上工作資歷│C 、C++ 、Java 、Python 、JavaScriptg
電腦輔助工程CAE與AI資深工程師
緯創資通股份有限公司│台北市內湖區4年以上工作資歷│電腦輔助工程模擬技術或AI開發經驗、Dassault Systèmes、ANSYS、SIEMENS、Hexagon
數位科技處-AI人工智慧專案管理師
永豐商業銀行股份有限公司│台北市中山區具備AI相關背景知識，如CNN、RNN演算法、基礎建模方法等、具AI專案開發/管理經驗者
數位轉型服務-數據分析資深顧問
勤業眾信聯合會計師事務所│台北市信義區3年以上工作資歷│熟悉資料分析語言與框架、熟悉機器學習與深度學習等演算法建模
點擊前往關注AI相關500家企業？免應徵👉先跟HR聊聊
企業徵才│找關鍵人才
人才求職│找優質職缺
104獵才顧問 官方網站
104獵才顧問 Facebook
104獵才顧問 LinkedIn
104獵才顧問YouTube
2026轉職季新利器！【104甄試流程】自動化管理面試進度，幫HR效率提升60%
每年轉職旺季，企業之間的人才競爭愈演愈烈，自動化、即時化、數據化，已成為新世代 HR 不可或缺的能力。若仍仰賴 Excel 與 E-mail 管理招募流程，往往事倍功半。104全新招募管理工具【甄試流程】(ATS)，正是協助企業與 HR 提升數位招募力的關鍵工具，藉由本文介紹的「３大亮點」，幫助企業減少人工作業、提升招募效率，加速找到理想人才！
文 / 104人力銀行
本文目錄（點選連結可快速跳至該章節閱讀）
別再用 Excel 管理進度！掌握黃金招募利器，搶先一步找到好人才💡亮點１：一鍵邀約、自動提醒：面試排程不再卡關💡亮點２：即時進度表＋視覺化數據：一眼掌握全局💡亮點３：系統化管理：讓團隊協作更流暢⚡【甄試流程】三大成效實證🚀小結：讓科技成為HR最強助攻
別再用 Excel 管理進度！掌握黃金招募利器，搶先一步找到好人才
每到轉職旺季，HR 總是忙得不可開交，每天不是在找人，就是在找資料。從履歷篩選、面談邀約、到進度追蹤與主管回覆，每一步都得精準銜接。你是不是也常被主管問：「這個職缺現在進度到哪了？」然後又得翻信箱、找Excel。
許多 HR 仍仰賴 Excel 紀錄與 E-mail 往返，不僅耗時費力，還容易遺漏優質人選。你是不是也曾被「重複更新表格、追著主管確認時程」這些事壓得喘不過氣？
事實上，問題不在HR不夠努力，而是流程太分散、工具太舊。
履歷散落信箱、面談靠人工排程，主管臨時改時間、求職者請假，又得重寄信、重排表、重更新。幾個職缺還能顧好，當職缺一多，整個招募流程便陷入混亂。長久下來，HR 被困在行政執行中，難以投入更有價值的工作——例如人才分析、雇主品牌經營或面談體驗優化。
在這樣的挑戰下，越來越多企業開始意識到，如何提升HR招募效率？招募效率的關鍵，不在於加班，而在於「整合」。讓流程自動化、資訊即時化、結果可視化，才能真正解放 HR 的時間與專業，專注於「找到最適合的人」。自動化不是取代 HR，而是讓 HR 回到更有價值的工作。
用一套系統，整合你的所有面試流程。
而這正是【甄試流程】誕生的初衷——一套為HR打造的自動化甄試管理工具(ATS)，幫助企業用更聰明的方式，掌握每一次面試與每一位人才。
💡亮點１：一鍵邀約、自動提醒：面試排程不再卡關
以往安排面試時，常在信件與行事曆間來回確認。現在不用了！【甄試流程】整合行事曆與自動通知功能，智慧同步 Google 或 Outlook 行事曆，不用反覆來回詢問「主管哪時有空」。還能自動寄送面試提醒給求職者，有效降低「被放鳥」的機率！
💡亮點２：即時進度表＋視覺化數據：一眼掌握全局
HR 最怕的，就是主管突然問招募進度。【甄試流程】的即時進度表，讓人選與職缺進度一目了然——已邀約、面試中、已錄取或婉拒，全都清楚呈現。同時，系統還能自動生成視覺化數據圖表，協助 HR 快速掌握招募速度、面試比例與錄取率，輕鬆完成成效報告。
💡亮點３：系統化管理：讓團隊協作更流暢
【甄試流程】支援權限設定與評語回填，主管們可以在線上直接評分與留言，HR 不用再一封封信催回覆。所有資料都有紀錄、可追蹤、可回溯，讓整體流程更加透明。無論是中小企業還是大型組織，都能依需求彈性設定使用。
⚡【甄試流程】三大成效實證
✅人工作業 降低50% ✅招募效率 提升60% ✅招募天數 縮短4天
*實際成效依職類、產業、使用人數及方式會有些許不同表現
🚀小結：讓科技成為HR最強助攻
HR 的價值，不該被行政瑣事綁住。透過【甄試流程】告別手動排程、紙本追蹤與重複作業
✔️一鍵邀約、自動提醒、即時進度追蹤✔️視覺化數據報表、主管線上評語、團隊權限協作✔️支援多職缺、多部門彈性設定
讓你能有更多時間做更有影響力的事——專注思考人才策略、雇主品牌、面談體驗優化。
2026轉職季，別再被流程綁住腳步。現在就升級【甄試流程】，用自動化管理面試進度，從履歷到錄取，流程更快、協作更順、決策更聰明，加速搶下關鍵人才！
前往了解▸
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']
永續浪潮下，人資從後勤支援躍登企業治理核心角色│面對ESG永續報告書編制工作？試試104 ESG x HR永續方案，讓你告別人工地獄、省時又省力！
永續浪潮席捲全球，今年所有上市櫃公司須依金管會規範編纂永續報告書，人資角色愈顯重要。而善用104 ESG x HR永續方案、將傳統庶務工作交由系統處理，有助於人資將更多精力集中在塑造雇主品牌、擬定人才永續發展策略等戰略工作上。
永續報告書是什麼？通常包含哪些項目？
簡單來說，永續報告書（Sustainability Report）是企業用來對各個利害關係人（包括員工、客戶、股東等）披露其在環境、社會和公司治理（ESG）方面的績效和責任的一份報告文件。通常包括企業在達成可持續性目標方面的策略、實踐和成果，並就環境(Environmental)、社會(Social)及公司治理(Governance)三大面向提供相關數據和分析。企業主動提供此報告書，不僅能提升企業資訊透明度、強化風險管理機制，更能彰顯企業對環境與社會的責任承諾。
企業撰寫ESG報告書時，必須要注意兩大關鍵要素：「完整揭露永續資訊」及「符合國際通用準則」。而在臺灣還須遵循金管會規範建議來編纂，以下就來了解項目各有哪些：
金管會針對永續報告書的推動措施
目前金管會並無明確規定應該包含哪些項目，依照先前發布「上市櫃公司永續發展行動方案」規劃以「治理」、「透明」、「數位」、「創新」四大主軸，推動企業永續發展之行動方案，重點包括：
引領企業淨零
深化企業永續治理文化
精進永續資訊揭露
強化利害關係人溝通
推動ESG評鑑及數位化
而其中關於永續資訊揭露，也就是報告書，內容則著重在：
精進年報資訊揭露規範
擴大永續資訊揭露範圍
提升永續資訊品質：包含擴大永續報告書確信範圍、抽查上市櫃公司永續報告書、加強永續報告書確信機構管理。
推動ISSB永續揭露準則
以上規範資訊詳情請參考金管會上市櫃公司永續發展行動方案
為提升報告書品質，需了解永續報告書的國際準則有哪些
國際通用準則主要有 3 種，分別是 GRI、SASB、TCFD，永續報告書需參考以上準則的規範、架構，來完成相對應的內容，可依照自身需求和目標來選擇合適的規範。
GRISASBTCFD重點角度涵蓋 ESG 全面向議題著重對財務績效有影響的 ESG 議題著重氣候變遷對財務績效有影響的議題訂定組織全球永續報告協會（Global Reporting Initiative）永續會計準則委員會（Sustainability Accounting Standards Board）國際金融穩定委員會(FSB)氣候相關財務揭露小組（Task Force on Climate-related Financial Disclosures）主要溝通對象所有利害關係人（包括客戶、供應商、政府、股東、員工等）投資人投資人內容角度GRI 準則分為三個部分： 通用準則：適用於所有組織 行業準則：適用於特定行業 主題準則：特定重大主題 涵蓋5大面向、11項產業別、77項行業別與26項通用ESG議題，列出了可能影響公司財務狀況和營運績效的ESG議題，可增強與投資人的溝通成效。核心要素可分為4個範疇：治理、策略、風險管理和指標與目標，共包括11個揭露項目，能幫助企業讓利害關係人能夠評估企業與氣候變遷間的關聯性。官網資訊GRI官網（繁體中文下載）SASBTCFD
目前金管會著重的是GRI準則，建議可參考該準則的規範來進行永續報告書的撰寫喔。不過整個永續報告書中除了環境面、治理面之外，其實目前最重視的議題為「社會面」，包含勞資關係、員工組成、多元化、職場健康安全等，這些都關乎到「人資」的工作範疇，因此人資角色將會有那些變化呢？
ESG時代下，人資角色有哪些變化？該如何因應面對？
隨著ESG在全球蔚為風潮，企業裡的人資、採購、業務等各個崗位的工作內容，紛紛跟著起了變化。其中，又以我們最熟悉的「人資」，轉變最大，原先負責人才招募、員工差勤等行政庶務工作的人資，已逐漸轉變，許多HR可能尚未意識到，其實自己在人資工作中已經在實施與ESG相關的政策和措施，例如員工福利活動、職場安全訓練等。在現今強調ESG的時代，人資角色轉變方向可能包含以下面向：
ESG策略推動者：協助企業將永續理念融入企業的日常運營與文化，成為連結企業與員工的樞紐
社會責任面（Social）的主要執行者：發想並執行員工福利、多元共融、人才發展等核心議題
數據管理與揭露者：蒐集、整理與提供人力資源相關的ESG數據
吸引、留任人才的關鍵者：掌握ESG相關數據後，再從中抽絲剝繭，協助擬定ESG策略以提升企業形象，吸引認同永續理念的人才
跨部門協作者：與其他部門合作，確保ESG策略的全面實施
事實上，造成角色改變的主因，與ESG框架中，社會責任和公司治理（Governance）面的策略擬定、內容執行，大至企業如何對待員工、股東、客戶和其他利害關係人，以及對於內部結構、政策的管理、運營，小至員工福利、企業公益活動的發想、落實，都和人資息息相關有關。
尤其今年起，所有上市櫃公司須依金管會規範，強制編製並揭露永續報告書，人資必須協助紀錄並量化組織內部的人力資源數據，以提升利害關係人的信任與支持，角色又愈形重要。
人資如何進行永續報告書撰寫？有哪些挑戰？
如前述說明，根據金管會規定，企業在撰寫永續報告書時，必須揭露環境保護、社會責任、公司治理等三大構面的內容，像是溫室氣體排放、能源管理、人權及社區關係、資料安全、商業模式與創新程度、控制權與席次……等訊息，都應涵蓋永續報告書內。
而與人資領域相關的資訊，最主要的利害關係人則為「員工」，因此包括員工資訊統計（含員工結構、薪資、新任率、離任率……等）、員工健康及安全、員工多元化等也都是屬於永續報告中要揭露的範圍。
面對如此龐雜的資訊與數據，在紙本抄寫、excel整理、缺乏系統與整合的時代，人資想在有限時間內，完成永續報告書，並非易事。一般來說，人資普遍會遭遇五大痛點：
痛點1：資料分散且格式不一企業沒有系統時，資料散落各處，是秘書或人資需要紀錄？又該記在紙本、excel，檔案又該存在個人電腦還是公用雲端空間？權責不清。
痛點2：手動計算耗時易出錯員工人數容易計算，但是性別、年齡、職務類別、身份、國籍等各種分類，需要一個個人工對照。要是公司規模大、有不同分區，人工整理不符時間效益，也容易出錯。
痛點3：歷史資料不易追蹤若去年、前年、大前年的經手人不同，每位都有不同風格跟格式，儘管新任人資整理好今年的報告，追溯過往歷史資料仍有困難。
痛點4：資料安全與隱私疑慮人事、薪資等資料敏感，沒有系統時，依靠人工控管、保存，具有權限管控與資安、隱私風險等疑慮。
痛點5：缺乏專業知識ESG是近幾年全球興起的新思維，所有企業、國家都在學習、摸索，因此每個產業、每間企業對ESG的指標定義未必相同，同樣的報表資訊，在不同產業受重視程度不一，例如科技業和美容美髮服務業對「女性就職比」的解讀方式，便會有所差異，因此需要有專業人資來進行資料判讀。
有鑑於此，已有逾700家企業人資使用的104 HR Max系統，近來推出「ESG x HR永續方案」，便是人資撰寫永續報告書時的最佳幫手。
104 ESG x HR永續方案具備哪些重要功能？
功能1：ESG人資指標自動化系統會自動從人資資料庫中，提取永續報告書的相關數據，提供GRI相關指標數據，並能保存資料。
功能2：視覺化儀表板直觀呈現人事指標表現與趨勢，主管、人資隨時想查看相關資訊，可一目了然。
功能3：自動生成報表一鍵產出30張符合法規要求的永續報告書人資領域相關報表，還能檢查工時規則、彈性設定工時檢查規則等，也可以自訂報表內容，產出公司需要的各種欄位。
功能4：歷史數據比較追蹤員工指標歷年變化，協助人資根據過往數據，制定改善策略，找出最適宜企業與人才發展方向。
104 ESG x HR永續方案生成的報表內容，完全符合法規、GRI準則等國際ESG報告標準；自動整理數據後，一方面提升了永續報告書的準確性與一致性，也能協助人資即時發現員工多元性指標不足、員工流動率是否健康等方方面面的問題，更重要的是，讓團隊有更多時間投入規劃企業人才永續策略、推動雇主品牌。另外，系統擁有業界最高標準的資安防護，能設定管理、觀看等不同權限。
針對ESG數據整理工作，人資通常需要耗時1~2周才能完成，但各家企業人資使用104 ESG x HR永續方案後，時間已大幅縮短，最快甚至半天內就能整理完成。
在企業ESG的時代，人資已從後勤支援躍升為企業治理的核心策略單位。若能善用數位工具，將編纂永續報告書等數據整理庶務工作交由系統處理，將會將寶貴的人力資源釋出，讓人資將更多精力集中在核心事務上，包含雇主品牌塑造、人才永續發展策略等戰略工作，進而深化企業與永續理念的緊密結合。
104 HR Max ESG x HR永續方案
作為企業人資，如何有效推動ESG成為關鍵。104 HR Max系統，幫助您掌握人資在企業永續經營中的重要角色！立即了解：https://104ha.com/HqtpB
掌握AI革命：人力資源選、育、用、留的智慧管理新時代
隨著數位化轉型加速，人工智慧（AI）逐漸成為人力資源管理中的核心助力。由於其能夠優化選、用、育、留等關鍵環節，人資工作者面臨著新的挑戰與機遇。我們將探討如何利用AI提高效率與策略價值，避免被AI時代淘汰。從篩選自動化到智能化學習平台，再到預測流失風險，我們將深度解析AI在HR各個層面的應用，並提供實用建議，助您成為引領企業未來的人資領袖。一起探索如何在這場AI浪潮中立於不敗之地！
文／宸碩管顧公司總經理｜楊伸太博士
原標題：「AI在人力資源的應用」為主題發揮：包括選、用、育、留的應用場景
關鍵字
數位人資
AI
AI人資應用
人資數位升級
本文目錄（點擊可快速前往）
前言：未來只有不會用AI的人會被淘汰
成為一個及早善用AI、提升效率的人資工作者
人資運用AI的選、用、育、留之KPI、應用範圍與建議
學習與實踐
總結
一、前言：未來只有不會用AI的人會被淘汰
1. 隨著人工智慧（AI）技術的快速發展，全球企業正迎來數位化轉型的浪潮。在人力資源管理（HR）領域上，AI正快速成為不可或缺的工具。
2.從簡化重複性工作到優化決策，AI不僅提升了人資的效率，更改變了傳統的人才管理模式。
3.然而，隨著技術普及，對人資從業者來說，最重要的是如何掌握AI技術、讓自己在未來職場中保有競爭力。
4.因此，未來的企業將對「數位人資」有更高的需求與期待，同時，我們絕對要跟上這波AI潮流，不要變成被淘汰的那一群人。
二、成為一個及早善用AI、提升效率的人資工作者
1. AI是我們的協作工具，AI在HR領域的價值不僅僅是在「效率化」，更能幫助人資從事高附加價值的工作，例如： (1.) 人資的傳統工作，例如履歷篩選、工時計算、薪酬核對等往往會占用大量時間。透過AI自動化工具，能處理這些瑣碎任務，讓人資能專注於更具策略性或高價值性的工作。 (2.) AI能快速分析大量數據，從中彙整與分析出有效的資訊或資料，例如預測員工流失率、分析招聘效果或分析培訓成效，幫助企業做出更具前瞻性的決策。 (3.) AI能透過自然語言處理（NLP）和機器學習（ML）技術，為每位員工提供個人化的發展計劃，例如推薦適合的學習課程、職涯發展機會等，提升員工的滿意度與參與度。
2. 綜合以上，筆者鼓勵與互勉，彼此都要及早成為一個善用AI、提升效率的人資工作者。
三、人資運用AI的選、用、育、留之KPI、應用範圍與建議
1.選才： (1.) KPI舉例： A. 篩選效率：履歷處理時間縮短50%以上。 B. 招聘成功率：AI推薦候選人的匹配度達80%以上。 C. 面試人力減少：初篩流程的人工參與減少30%。 (2.) 應用舉例： A. 自動履歷篩選：AI能根據職位需求，自動篩選候選人履歷，快速找到最符合條件的人才。 B. 人才推薦：透過AI演算法，根據企業過往的招聘成功案例，推薦高潛力的候選人。 C. 面試分析：AI語音分析技術可評估候選人的語氣、用詞和情緒，輔助招聘決策。 D. 104資訊科技集團總經理黃于純指出，104人力銀行已透過以下五大AI創新技術，將求職者找工作的媒合成功率提升12%。 提供AI履歷生成服務，節省時間。 透過大數據檢視履歷完整度&AI提供修正建議，完善履歷。 AI職涯顧問 (https://talent.104.com.tw/joblist)用關鍵問答找到履歷亮點。 依照最新工作、求職者興趣，推薦個人化職缺。(引入AI技術！推薦工作媒合成功率增加12%，企業招募天數縮短30%) (3.) 綜合建議： A. 導入AI招聘工具如ATS（Applicant Tracking System）。 B. 利用市場上的AI面試工具，提升招聘的公正性與效率。
2.用才： (1.) KPI舉例： A. 員工滿意度：智能化排班使員工滿意度提升20%以上。 B. 工作效率：職位與技能匹配度提升15%。 C. 績效透明度：績效評估準確性提高30%。 (2.) 應用舉例： A. 職位與技能匹配：AI通過分析員工的技能數據，優化職位分配，確保人盡其才。 B. 績效分析與預測：透過數據分析，幫助管理者即時了解員工的表現，預測未來表現趨勢。 C. 智能化排班：AI能根據工時需求、員工偏好和法律規範，提供最佳排班建議。 (3.) 綜合建議： A. 導入員工數據分析平台，定期更新員工技能與績效資料檔案。 B. 將AI技術融入績效評估流程，避免人為偏差。
3.育才： (1.) KPI舉例： A. 學習完成率：推薦課程的完成率提高至80%。 B. 培訓投資回報率：學習後職位能力提升明顯，培訓成效增長25%。 C. 技能匹配度：員工與職位需求的技能匹配度提高20%。 (2.) 應用舉例： A. 學習需求分析：AI能根據員工的職位需求與過往學習歷史，推薦最適合的課程。 B. 智能化學習平臺：提供自動化學習計劃與即時反饋，提升學習效果。 C. 技能差異之缺口分析：AI分析組織中技能缺口，幫助企業優化內部培訓計劃。 (3.) 綜合建議： A. 導入AI學習系統（如LMS），結合員工的職涯發展目標進行學習規劃。 B. 持續優化學習平台，確保用戶體驗良好，提升學習參與度。
4.留才： (1.) KPI舉例： A. 離職率：高風險員工的流失率降低20%。 B. 滿意度：員工滿意度指數提高15%。 C. 挽留效果：AI預測的流失員工成功挽留率達30%。 (2.) 應用舉例： A. 流失風險預測：AI根據員工參與度、績效表現等數據，預測離職風險並提出建議。 B. 員工滿意度調查：AI自動分析調查結果，分析出員工不滿意的主因。 C. 福利優化建議：AI能根據員工特性，推薦個性化福利方案，提升留任意願。 (3.) 綜合建議： A. 使用AI數據儀表板，定期監測員工流失風險。 B. 設計個性化的員工福利與關懷方案，提升員工忠誠度。
四、學習與實踐：建議透過AI概念知識(K)與工具技能(S)的學習，逐一應用實踐之
1.概念知識學習：例如學習AI相關的基本知識，例如指令學習、自然語言處理等概念，同時知悉與遵守數據倫理與隱私保護規範。
2.人資相關工具技能學習： (1.) 例如參與HR科技論壇與受訓、104數位人資學程學習等，同時可掌握最新的AI應用案例。
3.學習後逐一應用實踐出來 (1.) 可以從小規模應用開始實踐。 (2.) 與IT部門合作，推動人資數位升級項目。 (3.) 善用內外部數據資源，讓AI應用更加精準。
掌握 E化 x 數據 x AI【數位人資管理師】 >>
五、總結
1.AI正加速推動人資管理的數位升級，從選、用、育、留全方位優化HR流程，讓企業的人才管理更加高效、智慧化。面對這場AI浪潮，鼓勵人資工作者需要快速掌握AI工具，讓自己盡早成為「智慧化人資」的引領者。
2.在數位轉型的浪潮中，人資需要具備與AI共存的能力，而學習與實踐是必經之路。唯有不斷學習、實踐，才能抓住AI帶來的挑戰與機會，盡早規畫與進行AI工具的學習善用學習資源，例如104數位人資學程，同時積極運用在工作上。
3.透過學習並應用AI技術，人資工作者能在AI浪潮中保有核心競爭力，成為真正的智慧型HR專家。
4.祝福各位先進，都能在所屬企業中，有效學習與應用AI工具，提升自我價值，讓自己變成高CP值的優質人才!
超過2500+的HR都報名過的104人資學程！ >>
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
訂閱市集電子報與你分享專家文章及最新活動訊息>>
加入104人資市集官方line獲得最新優惠及活動資訊 >>
運用「社會計量」實踐正向領導力，帶領團隊達成卓越績效！
文／ 八方整合社企 鄧慧文顧問
原文標題：當社會計量與正向領導力相遇
學者專家探索領導方式多年，領導非僅情感，需要解碼工具，而社會計量則是之一。社會計量由J. L. Moreno於1930年發展，科學測量人際關係，解決衝突、凝聚團隊、提升績效。常用技術如社會原子圖、光譜圖、相似圈等，引導團隊邁向正向領導目標。
追求績效是主管最重要的工作之一。多年來學者專家、企業組織嘗試以領導理論與科學驗證找到適合的領導方式，來促使團隊組織達成效能。領導不是感覺的產物，因為存有過去經驗的偏差（bias），領導像是抽象的密碼，必須透過工具解碼，而社會計量就是正向領導力的解碼工具。
何謂社會計量？
社會計量(Sociometry)是奧地利精神科醫師J. L. Moreno在1930年間發展出來的理論及技術，用以探索人際關係、人際選擇過程、與人際連結的社會測量科學，他在1946年說，社會計量是社會關係及人際關係量測的總稱。
社會計量可量測群體間所有的人際網絡與連結，也可以聚焦研究個人的網絡連結、團隊整體的人際網絡、或是不同團隊之間的網絡互動等。因此運用社會計量可以瞭解團隊中的個人、相互連結及團隊整體動力。社會計量技術已被證實在團隊中解決衝突、凝聚團隊、促進團隊績效的有效工具之一。
常用的社會計量技術
運用社會計量技術可評估團隊現況，並根據設定的介入目標，選擇適合的社會計量技術介入團隊、優化團隊動力、增進團隊工作效益，帶領團隊朝向正向領導力的目標前進。常用的社會計量技術：
(1) 社會原子圖
(2) 光譜圖
(3) 相似圈
(4) 優勢圈
(5) 區域型社會計量
(6) 地板評量
(7) 搭肩式社會計量
(8) 目標導向社會計量
以相似圈 (Circle of Similarities)為例：
相似圈又稱步入式社會計量(Step-in Sociometry)，幫助團體成員以行動方式表達選擇，確認、並經驗自己與其他成員產生連結、漸次融入團體的感覺。相似圈幫助團體成員意識到彼此間的相似性，使隱藏的連結變得顯而易見，從而提高團體整體聯繫與凝聚力。
例如主題：多元融合
1. 向前跨入一步，問大家 ”有沒有誰和我一樣是社會新鮮人? 也請你們往前站一步”
2. 向前跨入一步，問大家 ”有沒有誰和我一樣進公司前就是公司產品的鐵粉? 也請你們往前站一步”
帶領者的引導：
階段一：根據介入目標提出明確的問題
階段二：引導成員以行動表達選擇、進行分享、邀請有相似經驗/觀點者步入…
階段三：邀請成員分享選擇(what)及原因(why)
階段四：帶領者視團體動力狀況，邀請未往前步入的成員分享其不同經驗或觀點等，創造不同觀點成員間的正向連結。
台灣科技島，國家重點發展產業在高科技與生技醫療產業，主力在培育大量理工STEM人才的養成，較注重數學，事實，數據，科學與邏輯，相對於領導、管理、情緒調適、人際連結能力與互動技巧較少著墨，關鍵的領導力與軟實力是企業組織急需強化的重點。
當社會計量與正向領導力相遇：正向領導力實踐於企業組織，從內到外三大結構聚焦主管覺察自身Intra狀態，善用個人與團隊優勢觀點，盤點目前Inter與團隊關係狀態，並以社會計量技術方法與團隊產生正向連結關係，成為A TEAM適時獎勵、激勵士氣達成團隊績效。
參考資料：
八方整合正向領導力-職場社會計量專案團隊
正向領導力–職場社會計量師2023專訓班講義
了解鄧慧文老師的相關課程及內訓>>
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 >>
訂閱市集電子報與你分享專家文章及最新活動訊息>>
成為人資市集Line好友獲得最新課程優惠及免費講座資訊>>
有任何收穫或想分享的，都來和大家一起聊聊吧！