104學習

資料視覺

將複雜的數據轉化為圖表、圖形或其他視覺形式，讓資訊更直觀易懂，有助於快速掌握趨勢與重點。這項技能能提升溝通效率，幫助團隊或決策者做出更明確的判斷。尤其在數據量龐大或跨部門協作時，能有效避免誤解，增強報告說服力，進而提升工作效能和專業價值。

2,070 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

Power BI 資料視覺化
Power BI 資料視覺化
Power BI Desktop --從基礎到資料視覺化實戰
Power BI Desktop --從基礎到資料視覺化實戰
成為 AI 科學家｜資料分析師必備視覺化技能 Power BI
成為 AI 科學家｜資料分析師必備視覺化技能 Power BI
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】
從Excel到Power BI數據視覺化
從Excel到Power BI數據視覺化
視覺化提案流，快速整理海量報告與市調資料
視覺化提案流，快速整理海量報告與市調資料
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】
【早鳥優惠：領5折送$200 LINE點數券】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
【早鳥優惠：領5折送$200 LINE點數券】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
Power BI關鍵DAX函數應用與觀念解析-下集
Power BI關鍵DAX函數應用與觀念解析-下集
Power BI關鍵DAX函數應用與觀念解析-上集
Power BI關鍵DAX函數應用與觀念解析-上集

精選貼文，掌握第一手知識

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

精選 推薦 : 豈止證照而已！跨域知識大串聯，打造屬於自己的能力系統

這段Podcast 是專訪Nabi iPAS 證照講師 陳正健（CCChen）如何透過經濟部 iPAS 產業人才能力鑑定，成功建立跨領域的專業系統。他至今已累積取得涵蓋 AI 應用、淨零碳規劃、智慧生產、食品保穫及品牌企劃等五大領域共 14 張證照。 CCChen強調，證照不應僅是孤立的紙本證明，而是應將所學知識與工作實務及數位工具深度結合，以提升解決複雜問題的職場競爭力。他分享了運用 AI 工具輔助學習與時間管理的策略，並以此帶動家人參與，展現出自主學習的正面能量。 他鼓勵專業人士打破學科框架，藉由跨域考證建構個人能力地圖，從而因應智慧化與永續轉型的產業趨勢。這些內容不僅記錄了他的轉型歷程，也為求職者與企業提供了關於人才培育及職涯成長的實務參考。 歡迎收聽▼ https://youtu.be/bUZXvx9eZk0?si=6a4q234WUnAABWiQ CCChen 老師課程 : 【直播課程＋限時回放】iPAS AI應用規劃師（初級）- 第三梯考前衝刺班｜8/5（三）20:00–21:30 線上直播講座｜104獨家iPAS AI考證衝刺 https://nabi.104.com.tw/course/104nabi/4f6e498b-dee3-4fab-935d-64c781840c9c 【2026年－考試筆記(V1版本)】iPAS AI應用規劃師初級｜全科攻略ｘ考點精華ｘ擬真題庫｜104學習 https://nabi.104.com.tw/course/104nabi/07779700-a980-43d2-8b34-bae808edea61 iPAS AI應用規劃師【中級】衝刺班｜命題精析 × 實戰解題 × AI刷題​｜104獨家iPAS AI考證衝刺 https://nabi.104.com.tw/course/104nabi/3987ebea-3686-4f67-a292-c46c3cc2128e
104學習・iPAS AI應用規劃師考照共學群

產品經理 - 學習地圖(上)：技能養成篇 

產品經理是一個融合創新、邏輯與溝通的角色。隨著數位化加速，產品思維逐漸成為組織決策的核心。從技術團隊、設計部門到商業營運，產品經理肩負整合多方資源、定義方向並推動產品落地的關鍵任務。  本篇產品經理學習地圖(上)：技能養成篇，將協助轉職者認識『從入門建構產品基礎思維』到中階『掌握用戶洞察與功能實作』，最終能『獨立推動策略規劃與跨部門協作』的相關職業技能，依循學習路徑，逐步成為具影響力的產品專案執行者！ 文 /【104學習精靈】 本文目錄（點擊可快速前往） 產品經理是誰？為何成為熱門職業？  產品經理工作內容 產品經理與相近職類比較表 為什麼選擇產品經理？ 誰適合轉職產品經理？ 掌握產品經理的核心能力：必備工具技能 x 學習路徑 x 軟技能 產品經理技能 × 學習階段 對照表格 產品經理學習地圖與路徑（搭配AI工具） 成為產品經理應具備的軟技能  產品經理是誰？為何成為熱門職業？   產品經理工作內容  產品經理（Product Manager）負責定義產品要解決的問題，並與設計、工程、行銷等部門協作推動產品從構想到落地。其核心職責包含：  需求探索：透過用戶訪談、行為數據、回饋收集等方式，洞察真實需求。  功能規劃：撰寫 PRD、制定功能優先順序、評估 MVP 可行性。  專案推進：主持日常開發流程，跨部門協調資源，確保開發進度與品質。  成果驗證：追蹤產品指標（如留存率、轉換率），進行 A/B 測試與功能優化。  策略規劃：參與產品路線圖規劃，制定中長期產品方向與營收目標。  產品經理既是產品成功的推動者，也是用戶價值的守門人。其價值在於將「使用者需求 × 商業機會 × 技術可行性」三者整合為具體可執行的產品方案。  產品經理與相近職類比較表  職位 關注重點 負責內容 常見產業 產品經理(Product Manager)使用者 + 商業價值 規劃產品功能與開發節奏 科技、電商、金融、SaaS 等 專案經理 (Project Manager) 進度與成本控制 控管時程、資源、人員配置 各類型專案導向型公司 UI/UX 設計師 使用者體驗 介面設計、動線、視覺規劃 軟體、行銷、遊戲、EdTech 等 資料分析師 數據洞察 分析用戶行為、產品數據、A/B 測試 金融、零售、科技、行銷  為什麼選擇產品經理？  📈 發展潛力大｜未來產業的中樞角色  不論是新創公司還是科技巨頭，產品導向已成為企業競爭的關鍵思維。  有產品就有需求，有需求就需要 PM——從 AI、SaaS、電商到 FinTech，每個行業都需要懂得「整合價值」的人。  企業不再只需要「能執行的專業者」，而是需要「能定義方向、驅動成長」的產品領導者。  🛠️能力多元｜最全面的跨域訓練場  產品經理是一個訓練全腦能力的職業：👉 左腦要有邏輯與分析能力（數據、商業）👉 右腦要能發想與感知使用者（設計、體驗）👉 兩者還要能與技術部門深度協作（開發、工程）  在角色中將學會「如何說服利害關係人」「如何觀察用戶行為」「如何評估一個功能是否值得投資」，這些都是未來每一份高階職位都會需要的綜合實力。  🚀 成長彈性高｜跨域轉換與職涯彈跳力強  PM 的角色可以橫跨不同產業與職能，時常需要與工程或設計專業職能有效通協作。是「所有關鍵決策職位的預備場」。  許多優秀的 PM 在職涯中轉職為：  創業者（Founder / Co-founder）  使用者體驗設計師（UX Designer）  數據分析師（Product Data Analyst）  成為產品主管、策略顧問，甚至進入 CPO、COO 等管理層  誰適合轉職產品經理？  🎓 1. 無產品背景但熱愛創新、解決問題者  你喜歡觀察生活問題、總是腦中浮現「這東西為什麼不能這樣改？」  從 side project 開始，就是最好的敲門磚。  無需程式背景，只要有邏輯、有使用者觀點，PM 是歡迎非典型背景者的職位。  💻 2. 工程師背景者  想脫離單純執行任務的角色，希望參與更多「要做什麼」的決策討論  PM 是讓工程師走向策略與產品領導的黃金道路。  技術理解力會讓你在 PM 角色上如虎添翼。  🎨 3. 設計師 / UX 專業者  有同理心、有用戶感知力的設計師，適合轉向更有產品話語權的角色。  讓你從 UI/UX 執行者，變成「產品體驗的主導者」。  許多產品團隊喜歡擁有設計底子的 PM，因為他們更懂體驗與細節。  📢 4. 商業 / 行銷 / 業務人員  熟悉市場與用戶痛點，對產品的商業價值有敏銳觀察  補足產品開發語言與邏輯，就能駕馭市場與產品之間的橋樑位置。  掌握產品經理的核心能力：必備工具技能 x 學習路徑 x 軟技能  產品經理技能 × 學習階段 對照表格   🧩 產品規劃與需求管理 📊 數據分析與驗證能力 🎨 戶體驗與設計思維 🤝跨部門協作與專案推進 基礎 - 撰寫 User Story、建立 Persona - 初步撰寫 PRD、功能清單 - 認識基本產品指標（DAU、MAU、CTR） - 初步理解 A/B 測試、使用 Google Analytics - 繪製使用者旅程圖、UX Flow - 使用 Figma 建立簡易原型 - 熟悉 Notion / Trello 等任務管理工具 - 學習基本會議記錄與任務追蹤方式 核心 - MVP 規劃、功能優先排序（RICE、Kano） - 撰寫完整 PRD、維護 Roadmap - 使用 Mixpanel / Amplitude 追蹤行為流 - 設計驗證機制（Cohort、Retention、轉換率分析） - 熟悉設計思考流程（Design Thinking） - 與設計師協作建立 Wireframe 與可用性測試 - 使用 Jira / Asana 進行敏捷開發任務管理 - 主持 Stand-up / Sprint Review / Retro 會議 進階 - 多模組產品整合與平台化思維 - 建立產品 KPI 指標並追蹤成效 - 設計數據導向決策邏輯 - 與資料分析師共構儀表板、做策略調整 - 優化使用者體驗，結合數據與測試結果反覆調整設計- 規劃用戶測試場景、引導焦點訪談 - 建立跨部門溝通 SOP 與產品知識共享 Wiki - 作為 PM Leader 引導 Junior PM、推進跨部門專案 認證 - CSPO（Scrum Product Owner）- Pragmatic PM 認證 - Google Analytics 證照- Mixpanel / Looker Studio 認證 - Google UX Design 認證- Nielsen Norman UX 課程 - PMP 專案管理師- CSM（Scrum Master 認證）  產品經理學習地圖與路徑（搭配AI工具）  🟢 第一階段：新手 PM 入門（0～6 個月）  ✅ 目標：建立基礎產品思維與跨部門語言，從具體產出中培養使用者理解與任務邏輯。  📌 學習內容：  【產品市場機會】：初步理解產品與市場的關係（例如：Who / Why）  【找出使用者需求】：撰寫 User Story、建立 Persona、使用者旅程圖  【設計思考】：練習 Wireframe / Wireflow 製作，視覺化想法  撰寫簡易 PRD：說明做什麼與為什麼  學會製作 UAT（功能性測試 / 反向測試等）  建立會議紀錄與議題追蹤清單，強化任務邏輯與流程觀  📌 AI 工具應用：  ChatGPT / Claude：生成 User Story、用戶情境模擬  Uizard / Figma AI：快速建立原型畫面與 Wireframe  Notion AI：整理任務、產出會議紀錄與需求清單  📌 備選學習：  學習基礎專案管理（甘特圖、排程、進度跟催）  練習回報 bug 與測試報告，建立與工程團隊語言  閱讀《Inspired》、《Lean UX》理解產品角色的多重任務  [course_plugin title='產品經理入門課程' keyword='PM產品經理｜入門致勝攻略：打造最強怪物新人的實戰課｜104獨家線上課' amount=1] 🟡 第二階段：中階 PM 成長（6～18 個月）  ✅ 目標：獨立負責一個產品模組，深化市場洞察與優先排序邏輯，開始建立產品成果思維。  📌 學習內容：  【產品市場機會】：進行競品研究、定位圖、SWOT 分析  【使用者需求】：進階訪談技巧、使用者回饋整理、Cohort 分析  【提出解決方案】：撰寫完整 PRD、定義功能 MVP、排定開發優先順序（RICE、Kano）  【產品企劃框架】：建立產品 Roadmap，依驗證結果動態調整  專案協調與跨部門簡報報告  主持 Scrum、Sprint Review 等會議，培養團隊推進力  📌 AI 工具應用：  Miro AI：協助需求 Mapping、建立 Feature Map  Amplitude / Mixpanel + AI plugins：用於用戶行為與留存分析  Jira AI / Linear AI：協助排程與任務追蹤自動化  ChatGPT：產出會議簡報、功能拆解與優先順序建議  📌 備選學習：  與工程師深度對話 API 邏輯與限制（建立技術思維）  學習使用 A/B 測試平台與分析資料結果  與設計師協作，規劃 Usability Test 測試流程  [course_plugin title='資料分析相關課程' keyword='用AI+Google Sheet建立自動化工具，打造你的業績成長引擎｜104獨家' amount=1] 🔴 第三階段：資深 PM 精進（18～36 個月）  ✅ 目標：制定產品策略與願景、帶領多模組團隊與跨部門合作，具備從數據到決策的整體能力。  📌 學習內容：  【產品企劃框架】：建立成果導向型 Roadmap，結合營運目標與客戶反饋  【有效提案法】：提案簡報、策略 Buy-in、利益關係人對齊溝通（尤其是非 PM 部門）  【提出解決方案】：設計產品 KPI（DAU、留存、LTV、NSM）  【產品驗證與迭代】：產品指標監控 → 分析迭代邏輯 → 反饋進 Roadmap  建立跨部門合作 SOP、主持策略規劃會議  設計產品願景，指導 Junior PM 並進行 Mentor / Review  📌 AI 工具應用：  Power BI / Looker Studio + GPT Plugin：產出決策儀表板、進行策略預測模擬  Notion AI：整理策略紀錄、文件管理、產品 Wiki 協作  ChatGPT / Claude：撰寫產品願景草案、跨部門溝通稿  Suno / Gamma AI：製作產品簡報、提案影片輔助  📌 備選學習：  學習產品組合管理（Product Portfolio）  熟悉商業模型設計與利潤預測（可使用 Business Model Canvas）  進階使用 AI 作為產品功能的一環（如設計 AI Prompt 功能、智能推薦引擎）  [course_plugin title='產品經理實戰課程' keyword='第7屆產品經理學習營' amount=2] 成為產品經理應具備的軟技能  產品經理的成功關鍵往往不在工具，而在於這些關鍵軟實力的「日常實踐力」：  溝通協調能力  與設計、工程、商業部門建立共識  化繁為簡、拆解問題並說服他人  優先排序與決策力  在時間與資源有限下做出取捨  擁有面對模糊需求時的清晰邏輯  系統性思考能力  看見整體產品架構與模組邏輯  能理解「做這件事對誰有價值？」  同理心與觀察力  從用戶視角出發洞察潛在問題  不被表層需求誤導  學習力與適應力  快速吸收新工具、新領域知識（如 AI、資料分析）  面對變動保持彈性與專業判斷  繼續閱讀 【產品經理 - 學習地圖(下)：職涯精進篇】  [joblist_plugin title='更多104【產品經理】工作機會' url='https://www.104.com.tw/jobs/search/?jobsource=index_s&keyword=產品經理&mode=s&page=1' amount='3'] 延伸閱讀： PM「產品經理」和「專案經理」差在哪？盤點工作內容及PM技能樹 PM工作內容做什麼？產品企劃／產品經理薪資待遇、履歷面試總整理｜精選工作機會 PM意思有不只3種可能！為何PM工作職缺只會愈來愈多？哪種PM最熱門？ 轉職PM不撞牆！從0學會提案，產品經理學習營揭3大挑戰｜商業思維學院
【104職場力】・職涯規劃

「數據／資料工程師」12個必備技能、推薦職缺、證照進修

大數據時代來臨，企業數位轉型的需求應運而生，因此數據工程師（資料工程師）在企業中所扮演的角色也日益重要。本文盤點要成為數據工程師，強烈推薦要學的 12 項必備技能。一起來看看【數據工程師】工作日常以及104人力銀行上有數據工程師工作機會。 成為數據工程師的 12 項必備技能（點擊可跳至章節）： 基本技能（程式語言與資料架構） 網路概念 資料庫 Database 數據湖 Data Lake 與物件存儲 數據倉儲 Data Warehouse 分散式系統 數據處理 機器學習 Machine Learning 作業編排管理 前端與儀表板 後端框架 自動化與部署 如何開始數據工程師之路？了解數據工程師工作日常 【數據／資料工程師】推薦職缺 【數據／資料工程師】職場常見證照整理 【數據／資料工程師】職場再進修課程推薦 文／LnData 麟數據科技 數據工程師的必備技能樹 (Source: Anuj Syal) 一、基本技能 首先，以下是最基本的必修技能，也是想進入這個行業需要的優先入手技能，包含： SQL：SQL即「Structured Query Language」，也稱做「結構化查詢語言」，是一種用於管理和查詢關聯式資料庫的語言，用於處理和操作大量數據。它允許數據工程師對資料庫執行各種操作，如數據檢索、修改和定義，且幾乎所有資料庫和數據倉儲都使用SQL。 程式語言：數據工程師必備技能當然包括使用不同的程式語言來處理數據，如 R、Scala、Java等，但首推 Python，因為Python容易上手，並且擁有許多免費且開源的資料科學工具和資源，使其成為處理數據相關工作的理想選擇。不僅如此，Python還有豐富的開發者社群，讓你輕鬆找到相關的學習資源和解決問題的方法。 Git：即「Global Information Tracker」，Git是版本控制的重要工具，可以追蹤、保存和管理軟體代碼的所有更改和操作，幫助資料工程師協作開發數據工程項目，並確保團隊成員之間的協同工作，可避免有人亂改或誤刪代碼。 Linux指令和Shell腳本：Linux是一種常用的作業系統，數據工程師經常使用它來處理數據，常見的版本如Ubuntu、Fedora。熟悉Linux命令（例如cd、pwd、cp、mv等）和Shell腳本可以幫助數據工程師自動化任務、管理伺服器和處理大量數據。 資料結構和演算法：數據工程師需要對資料結構（Data Structures）和演算法（Algorithms）有足夠的理解和解決問題的技能，以優化數據處理和分析。初學者可透過初級到中難度的LeetCode問題進行練習。 二、網路概念 由於現在大半數據都在線上，因此工程師常需接觸與處理VM（虛擬機）、伺服器和 API（應用程式介面），而此時就需要對 IP（互聯網協議）、DNS（域名伺服器）、VPN 等基本網路概念有基本了解。 API（應用程式介面）概念示意( Source: Geeks For Geek) 三、資料庫 資料庫是按照數據結構來組織、存儲和管理數據的倉庫，相關概念包含： 基礎知識：資料庫是存儲數據的空間，包含表（Table）、行（Column）、列（Row）、鍵（Key）、連接（Join）、合併（Merge）和模式（Schema）等基本概念。 SQL：雖然前面提過了，但要知道在使用這些資料庫時，SQL可說是最泛用也最不可或缺的語法，因此這邊再提一次。。 ACID：是原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）、持久性（Durability）的縮寫，旨在確保數據操作的有效性和穩定性。 資料庫建模：指在設計資料庫時考慮如何組織資料的過程，包括星型模式、平面設計和雪花模式等不同方法。 資料庫擴展：包括垂直擴展和水平擴展，它們用於增加資料庫的性能和容量。 OLTP與OLAP：OLAP（在線分析處理）、OLTP（在線交易處理）是不同類型的數據處理系統。OLTP是設計用於處理日常業務交易和交互式操作的系統；OLAP則是設計用於分析和探索大量數據的系統。 關係型資料庫：Relational Database，是大多數應用程式使用的傳統資料庫，用於結構化數據。常用的資料庫有PostgreSQL和MySQL。 非關係型資料庫：Non-relational Database，也稱為NoSQL資料庫。跟傳統的關聯型資料庫不同，它們不使用固定的表格模式，而是以更靈活的方式存儲數據，適合處理大量非結構化數據。非關係型數據還可分為三種類型： 鍵值資料庫：如Redis、DynamoDB、FireBase 圖形資料庫：如Neo4j、ArangoDB 寬列資料庫：如Apache Cassandra、Google BigTable 常用的關係型資料庫 MySQL 四、數據湖 Data Lake 與物件存儲 數據湖是一種大規模集中式數據存儲系統，它允許組織以原始、半結構化或非結構化的形式存儲數據，而無需建立嚴格的資料結構。這意味著數據湖可以包含來自不同來源、不同格式和不同質量的數據，可以是文本、圖像、影音等，也包含報表、視覺化、資料分析、機器學習等轉換後資料。 數據湖通常使用分佈式或物件存儲（Object Storage）系統來存儲大量數據，如Hadoop HDFS、Amazon S3等。數據以原始文件或對象的形式存儲，每個對象都包含數據本身、元數據（metadata）和唯一識別子。這種方式使得數據能夠以平面結構組織，並且具有元數據以描述數據的特徵和用途，能夠更好地管理和查詢數據。 五、數據倉儲 Data Warehouse 數據倉儲（Data Warehouse）是一種專為組織和管理大量數據而設計的數據存儲和管理系統。它的主要目標是將來自不同來源的數據整合到一個統一的、易於查詢和分析的資料庫中，以支持企業的決策制定、報告和分析需求。例如 Google 的 BigQuery、AWS Redshift、Azure Synapse、Snowflake、ClickHouse 和 Hive。須了解的相關概念包含： SQL（略） 規範化與非規範化：在數據倉儲中，數據可以以規範化（Normalized）或非規範化（Denormalized）的方式進行組織和存儲，具體選擇取決於業務需求和查詢性能的考慮。規範化主要為求消除數據中的冗余或不一致性；而非規範化則是將數據合併到一個表中以提高數據更改速度。 OLAP與OLTP（略） 六、分散式系統 包含大數據、Hadoop、分佈式文件系統、MapReduce等概念。在分散式系統中，多台機器（稱為節點或伺服器）組成叢集並共同協作，這些機器可以在不同的地方執行，彼此通信並共同完成任務。分散式系統的好處是可提高性能、可用性和擴展性，同時減少單點故障的風險。 由於其複雜性，這些系統擁有各自獨立的技術組件。因此，為了開發與佈署這些系統，數據工程師需要使用叢集管理技術或工具，如Kubernetes、Databricks，或者自行建立Hadoop叢集等。此外，還有許多開源技術可供利用。 Kubernetes 也稱為 K8s，是一個熱門的分散式系統開發和支撐平台(Source: DevOps Mojo) 七、數據處理 數據處理是指使用程式語言來轉換數據的過程，這包括清理數據以及驗證數據的準確性。在進行數據處理時，通常會使用各種工具和框架，具體選擇取決於任務的性質和規模。 以下是一些常用的數據處理工具和框架： Pandas：Pandas是一個好用的Python套件，常被用於處理和分析數據。它提供了豐富的數據結構和函數，適合用於數據轉換和清理。 SQL：（沒錯，又是它）由於多數數據倉庫支持SQL語言，因此SQL是一個常用的工具，用於執行數據轉換操作，尤其適用於處理結構化數據。 Spark：Apache Spark是一個用於大數據處理的強大框架，它提供了分佈式數據處理和分析計算。Spark通常用於處理大規模數據轉換操作，性能高且具有可擴展性。 Spark Streaming：Spark Streaming是Spark的一個模塊，用於處理流式數據。它可以實時處理數據流，非常適合需要即時分析的應用。 Spark是常用於處理大數據的強大框架(Source: Data Mechanics) 八、機器學習 Machine Learning 機器學習（Machine Learning）是一種人工智慧（AI）的子領域，它教導電腦如何從數據中學習，以自動改進和做出決策，而不需要明確的程式指令。機器學習可以應用於多個領域，如圖像辨識、語音識別、自然語言處理、醫療診斷、金融預測以及自駕車技術等。 人工智慧、機器學習、深度學習都是資料科學中的熱門領域 對於數據工程師來說，了解機器學習的不同類型，包括監督學習、非監督學習和增強學習，以及相關的模型(如邏輯回歸、決策樹、K-最近鄰算法等)很重要。他們需要知道何時應該使用哪種模型，並學會處理數據、調整模型參數，以及評估模型的預測準確性。 操作機器學習的平台有Vertex AI、Kubeflow等，這些平台可以協助數據工程師輕鬆部署模型，並構建更準確的工作流程，幫助數據科學家做出更精確的決策。 Vertex AI 是Google Cloud上的一個機器學習平台 此外，還有一些集成平台可讓數據工程師將工作流程整合到一個地方，如AWS Sagemaker、Databricks和Hugging Face等。這些平台通過共用的應用程式接口和圖形界面，使應用軟體功能不受特定硬體、作業系統、網路協議或資料庫管理系統的限制。 AWS Sagemaker也是不少人的ML開發選擇(Source: AWS) 九、作業編排管理 編排（orchestration）是一種用於管理和協調組織各種任務和工作流程的方法。它幫助我們確保工作按照預定的順序執行，以達到我們的目標。 最佳的編排工具之一是Airflow。它使用基於Python的有向無環圖（DAG）來記錄工作流程，讓您可以清楚地定義和規劃工作。Airflow特別適用於複雜的工作流程，並且在大數據和數據工程領域中廣泛使用。 其他工具包含Luigi、Nifi和Jenkins。每個工具都有其獨特的特點和使用場景，可以根據你的項目需求來選擇適合的編排工具，可以幫助數據工程師自動化和管理各種任務，提高工作效率。 Airflow是開發時常用的工作流程管理工具(Source: Airflow) 十、前端與儀表板 前端和儀表板（dashboard）是用來展示數據結果和互動的工具。它們讓我們能夠以圖表、圖像和表格的形式呈現數據，並讓用戶與數據進行互動。 舉例來說，Jupyter Notebook 是一種常用的工具，它可以幫助數據科學家和分析師在筆記本中直接進行數據分析並建立視覺化圖表。 Jupyter Notebook是好用的互動式開發工具，是許多資料科學工作者選擇 此外，儀表板或所謂BI工具如 PowerBI 和 Tableau，以及 Python 套件如Dash 和 Gradio，也被廣泛使用。這些工具允許我們建立互動性強的儀表板，讓用戶輕鬆探索數據，查看不同的視覺化結果，並根據需求進行操作。 Tableau是業界常用的商業智慧(Business Intelligence)工具，建立企業數據儀表板 十一、後端框架 後端框架與軟體工程有關，它們有助於構建網站和應用程序的後端部分。舉例來說，如果您想建立一個網站或應用，可能需要一個後端框架來處理用戶發出的請求、管理資料庫，以及提供信息給前端顯示。 基於 Python 的後端框架包含 Flask、Django 和 FastAPI 等。Flask 是一個輕量級的框架、Django則提供了更多的內置功能、FastAPI 則專注於建立API。 除了這些，還有一些雲端技術可供使用，例如G oogle Cloud Platform（GCP）的 Vertex AI API 和 AutoML APIs，這些技術可以用於模型部署和機器學習應用。 Flask 是一個 Python 網頁應用程式框架，因輕量靈活而受許多開發者喜愛 十二、自動化與部署 自動化和部署是指使用不同的工具和技術，來讓程式碼的建立和執行過程更加自動化和簡化，有助於提高效率、降低錯誤，並讓應用程式更容易管理和維護。 這個過程包括以下幾個主要方面： 基礎設施即程式碼（Infrastructure as Code）：這是使用工具如Terraform、Ansible和Shell指令來管理和配置伺服器和基礎設施的過程。這些工具可讓你將基礎設施視為程式碼來處理，使其更易管理和自動化。 持續集成/持續部署（CI/CD）：指透過GitHub Actions和Jenkins等工具來自動化程式碼的測試、集成、部署和交付的過程。有助於確保程式碼的品質，並使新功能能夠快速部署到生產環境。 容器化：即使用Docker和Docker Compose等工具，將應用程式和其相關的依賴項打包成容器的過程，可使應用程式在不同環境中更容易部署和執行。 Docker工作流程示意 想當數據工程師，如何培養能力？ 在學生可以學習統計、資工、資料科學等科系的課程，或是透過相關實習或競賽來摸索對此領域的興趣。此外，網路上有許多付費課程、YouTube上的免費資源，也可以在kaggle、LnData等平台取得更多練習與交流機會、相關知識、技巧或資源！ 要記得，這些相關技術日新月異，即使是正在工作中的數據工程師也必須時時學習與了解最新技術。相對的，正因為技術不停在改變，你也不需要強求把上面所有技能練到精通，而是掌握重要的基本概念與保持開放的學習態度。 數據工程師可以為企業做什麼？ 數據工程師日常就是與數據打交道，主要包含收集、讀取、清理，探勘與管理企業的資料，以抓取符合企業分析需求的數據。這些數據則能進一步透過機器學習、演算法，產生更有價值的結果或應用方式，幫助企業做出更好的決策、優化業務流程，例如降低成本、提高獲益、優化產品、留住熟客及開發新客群。因此，數據工程師對於企業的重要性不言而喻。 然而，企業想挖掘數據最大價值，並不能只靠數據工程師。一個完整的數據團隊，通常包含數據工程師、數據科學家、數據分析師三種角色，各司其職、專業分工。他們在日常工作流程中扮演各自的角色，互相協作，完成各種不同的專案——這也是為何我們最後要強調，除了技術以外，溝通與協作等軟技能也非常重要！ （原文標題：2023 年想成為數據工程師的 12 項必備技能） [joblist_plugin title='推薦【數據／資料工程師】工作機會' url='https://www.104.com.tw/jobs/search/?ro=0&keyword=%E6%95%B8%E6%93%9A%E5%B7%A5%E7%A8%8B%E5%B8%AB&expansionType=area,spec,com,job,wf,wktm&jobsource=blogc&langFlag=0&langStatus=0&recommendJob=1&hotJob=0' amount='3'] 【數據／資料工程師】職場常見證照整理： 序號證照證照介紹發照單位1DP-203 Azure資料工程師技術師身為此認證的應試者，您應該具備主題專業知識，能夠將各種結構化、非結構化和串流資料系統中的資料，整合...＜詳情＞Microsoft2Google專業資料工程師認證專業資料工程師透過收集、轉換和發布資料來實現以資料所驅動的決策。資料工程師應該能夠設計、建置、操作...＜詳情＞Google3SSE 大數據國際認證隨著有關大數據的程式語言、運算平台、基礎理論，以及虛擬化、容器化的技術成熟...＜詳情＞Silicon Stone Education4AWS認證的數據庫-專業級認證報考資格：1.接觸資料庫技術至少 5 年、2.實際使用 AWS 至少 2 年...＜詳情＞Amazon Web Services5台灣風險數據分析師除了相關法遵外，應具備在風險數據分析、質量方法運用、風險預測建模等高階專業...＜詳情＞社團法人台灣風險管理協會更多數據相關證照＜前往＞ 【數據／資料工程師】職場再進修課程推薦： 課程名稱課程介紹【真人直播】零基礎Python數據分析與即時看板實作在這堂課程中，我們將帶你從學習基礎 Python 出發，了解各種常見資料檔案格式與編碼，透過 Python 進行資料表單或檔案的自動化彙整與分析...＜課程介紹＞GA4+GTM網站數據分析實戰課專業的教學設計，以第一線網站數據分析工作者角度，剖析 GA4 四大要領，從觀念的理解到上手實作，提升你的數據分析能力。…＜課程介紹＞成為數據分析師的第一把鑰匙：用Python實作三個資料分析專案以非工科生成功轉為數據分析師的經驗、第一線職場實戰角度出發，來設計這門課程，適合零基礎、初入門、想轉職作數據分析師的你!…＜課程介紹＞零基礎成為Python金融數據分析師｜金融資訊爬蟲X視覺化應用課程單元從 Python 程式基礎開始，包含變數、資料型態、流程控制、函式、例外處理等 金融主題的網路爬蟲程式教學，製作Python爬蟲工具…＜課程介紹＞更多數據相關課程＜前往＞
【104職場力】・軟體工程

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

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

RMN 3.0浪潮，統一、全家跨足新戰場！解析台灣零售業數位行銷產業地圖

疫情後台灣零售產業面臨原料及物流成本增加、毛利偏低、勞動成本提高……等經營挑戰，2023年約有6成零售業者已著手經營網路社群，同時發展會員經濟、導入精準行銷以及開發品牌APP，帶動數位行銷科技應用滲透率快速攀升。本文從3個面向解析台灣零售業「數位行銷軍火庫」產業地圖。 文／未來流通研究所 本文目錄：台灣零售業「數位行銷軍火庫」產業地圖（點擊可快速前往） 邁入行銷科技爆發期1. 生成式AI帶動新創企業快速成長、2024全球進入行銷科技爆發期2. 數據分析、AI／ML系統為台灣業者規劃導入TOP 2行銷科技工具廣告行銷及數據應用1. RMN 3.0世代到來，實體通路商跨足廣告媒體戰場2. 顧客數據平台（CDP）滲透率穩定成長社群CRM及商業整合1. 聊天訊息與社群平台具高滲透率優勢，即時溝通、CRM功能展開創新應用2. 整合管理及商業銷售解決方案推陳出新，一站式科技解方應對超高齡挑戰台灣零售業「數位行銷軍火庫」相關工作 疫情後台灣零售產業面臨原料&物流成本增加（59.1%）、毛利偏低（56.4%）、勞動成本提高（45.5%）、消費需求多變（42.8%）、人員短缺&流動率高（39.4%）等經營挑戰，驅動業者藉由積極的數位科技佈局以應對營運挑戰及建構競爭優勢。根據主管機關調查，2023年約有63.4%的零售業者已著手經營網路社群，發展會員經濟、導入精準行銷以及開發品牌APP的業者比例亦分別達46.4%、37.8%及25.9%，同步帶動廣告行銷、社群&顧客關係管理、商業銷售、數據應用等行銷科技應用滲透率快速攀升。在大量解決方案供應商的投入帶動下，疫情後台灣零售業數位行銷軍火庫快速成形，為零售產業帶來有助於創造低成本結構與高營運效益的科技解方。 除台灣市場外，全球行銷科技產業同樣展現豐沛成長力道。根據美國行銷科技研究機構Chiefmartec發布調查顯示，2024年全球行銷科技解決方案數量年增27.8%至14,106項，與2011年調查結果相較增長幅度達9304%，平均CAGR達41.8%。值得一提的是，推動2024年解決方案數高速成長的主因之一在於生成式AI帶來的巨大技術槓桿力，使行銷科技新創企業在過去一年間加速增長。Chiefmartec指出，過去12個月中新增產品數量逾3,000項、超過首度調查前5年內新增商品數量總和。軟體開發與部署成本的持續下降、加上大量解決方案的快速生成與多元化創新實踐，將全球行銷科技產業推進物種快速增加的「寒武紀大爆發」時期。 未來流通研究所以台灣零售業「數位行銷軍火庫」為主題，爬取關聯企業主要解決方案內容，同時搭配服務功能、代表性客戶與亮點案例進行說明，做為觀測台灣零售業數位行銷解決方案整體結構與發展走勢的分析基礎。 圖／未來流通研究所 邁入行銷科技爆發期 2024全球MarTech產品數量年增27.8%，數據分析及AI／ML系統為台灣業者規劃導入工具TOP 2 1. 生成式AI帶動新創企業快速成長、2024全球進入行銷科技爆發期 隨著各式解決方案在短期間內大量問世，「可組合性（Composability）」成為近年全球行銷科技領域的主流趨勢，加上無程式碼／低程式碼AI技術的出現，用戶藉由自然語言描述即可靈活整合各項系統、軟體或元件，創建出符合企業本身需求的自定義解決方案。調查結果顯示，不同於B2B企業高度仰賴客戶關係管理（CRM）系統與行銷自動化（MAP）／顧客互動平台（CEP）的「技術棧」組成，B2C零售企業MarTech技術棧結構分布相對平均，核心技術應用類別以顧客數據平台（26.9%）、資料倉儲（20.9%）、MAP／CEP（19.4%）以及客戶關係管理（17.9%）為主。進一步以導入技術類型區分可以看到，MAP與CRM系統為應用普及率最高的解決方案類別，佔比達88.1%及84.5%；AI／BI分析平台與數位體驗平台應用佔比亦均超過50%，分別達69.1%及53.6%。 2. 數據分析、AI／ML系統為台灣業者規劃導入TOP 2行銷科技工具 在大量Martech解決方案供應商的投入帶動下，疫情後台灣零售業數位行銷軍火庫快速成形，為零售產業帶來有助於創造出低成本結構、高營運效益的科技解方。根據未來商務發布2024 Martech企業應用趨勢調查報告顯示，多數企業對於未來一年內期望新增的行銷科技工具均已有明確需求方向，近40%的企業表示規劃導入數據分析工具，進一步鞏固數據分析相關解決方案的高滲透率與普及率優勢。計劃導入人工智慧與機器學習系統、顧客關係管理、客戶數據平台、跨通路自動化行銷平台、會員&忠誠度管理系統、聊天&客服機器人、搜尋引擎優化、內容&產品管理系統的業者比例亦均超過20%。 廣告行銷及數據應用 零售媒體網絡（RMN）3.0世代到來，顧客數據平台（CDP）滲透率穩定成長 1. RMN 3.0世代到來，實體通路商跨足廣告媒體戰場 零售媒體網絡（RMN）成為2023年後台灣廣告行銷科技領域中快速崛起的主力戰場。與傳統廣告工具不同的是，零售媒體網絡以第一方零售數據為基礎，因此擁有龐大數據資產與消費者全通路接觸點的大型零售通路企業成為此波RMN浪潮下最重要的新進參與者，包括統一超商、全家便利商店、新光三越、富邦媒體科技（momo購物網）、Pinkoi等大型零售與電商集團均陸續建構自有廣告事業體並推出標準化媒體購買版位，不僅將廣告轉化為零售本業外新的營收成長引擎與獲利來源外，也藉此與品牌端建立更加深度的合作與數據共享關係。 例如統一數網整合統一集團旗下7-ELEVEN、康是美、星巴克等上萬家通路據點以及高達1,800萬的OPENPOINT會員消費者數據，以全台實體通路最密集的會員消費生態圈為優勢基礎，於2024年推出PRESCO零售媒體服務。線上廣告投放應用通路第一手數據精準鎖定受眾並進行個人化推薦，線下則以數位家外媒體聯播網PRESCO DOOH為主（7-ELEVEN門市即覆蓋近2萬台螢幕），結合零售活動策展、場域租賃、包店、直播、展覽等方式觸及消費者、提升品牌曝光度。此外統一數網亦與擁有龐大數位生態圈的LINE合作，將OPEN!Data應用在LINE LAP平台進行網路廣告投放。 全家便利商店2023年推出Family Ads廣告與RMN服務，以促進店內交易以提升門店銷售額為目標，銷售橫跨實體店鋪電子看板、Line Beacon、直播平台以及社群媒體等管道的廣告版位。目前已有超過2,500家全家店鋪導入電子看板、裝設Line Beacon感應器的門市數量亦已超過1,000家，代表性客戶包括比比昂、台新銀行、加州葡萄、哈根達斯冰淇淋等。 除實體零售通路外，疫情期間滲透率快速攀升的外送&叫車平台亦積極針對旗下大量消費者日常飲食與生活動線數據進行活用。2024年Uber推出Uber RMN全渠道廣告平台服務，協助品牌商精準鎖定消費者並投放客製化廣告。例如針對曾使用毛孩優步或搭車前往寵物展的消費者推播寵物用品廣告；針對曾訂購速食餐點與宵夜的消費者投放茶飲與消化益生菌廣告；以及針對曾搭車前往酒吧、購買家用品或於週末或夜間時段訂購宵夜零食的消費者推播酒品廣告等；foodpanda同樣於2023年推出Panda ads零售媒體聯播網服務，將外送App、合作商家、外送商品袋、社群媒體、電子報以及外送機車車廂全數轉化為內容載體，應用線上線下實體及數位廣告形式針對活躍用戶、外送夥伴及合作商店進行精準行銷投放，構建出全新型態的廣告模式。此外，D2C整合解決方案提供商91APP亦結合旗下獨家AI模型jooii於2024年推出RMN 3.0服務，正式進軍數位廣告市場；禾多移動則推出來客行銷大聯盟（LRMN）服務，以去識別化ID整合多家媒體及電商第一方數據，透過標籤獲取用戶站外足跡並進行精準廣告投放；廣告科技公司OneAD則推出Webb韋伯多通路零售數據智能平台，做為RMN3.0的重要基礎。 2. 顧客數據平台（CDP）滲透率穩定成長 CDP近年持續整合AI／ML技術並支援更加廣泛的數據來源整合，能夠協助用戶自大量顧客數據中自動識別行為模式、預測需求並進行更精準的市場細分以及個性化推薦。加上無程式碼與低程式碼AI的出現，使業務部門能夠更加靈活且快速地應用CDP，帶動滲透率與使用實績穩定增長，做為零售企業行銷科技「技術棧」核心的優勢地位穩固。例如iKala推出的iKala CDP能夠提供顧客畫像、自動化標籤、智慧預測推薦及行銷自動化等功能。beBit旗下OmniSegment平台結合CRM與客戶體驗數據，提供商品會員分析、自動化結標、行銷策略優化等功能，代表性客戶包括天使娜拉、Versuni、茶籽堂、汪喵星球、六月初一等。 社群CRM及商業整合 社群媒體結合CRM展開創新應用，一站式科技解方應對超高齡挑戰 1. 聊天訊息與社群平台具高滲透率優勢，即時溝通、CRM功能展開創新應用 2023年台灣社群平台用戶總數達1,920萬，佔全台人口比例達80.2%，遠高於東亞地區74.0%的平均水準，若以18歲以上人口做為母體，佔比進一步增至85.0%。此外，聊天訊息與社群媒體平台佔民眾主要造訪網站／使用APP類型分別高達98.8%及95.9%。因此，活用聊天訊息&SNS平台做為品牌與消費者即時溝通、對話銷售以及客戶關係整合管理成為近年台灣行銷科技領域中相當重要的應用。 例如國民通訊軟體LINE推出LINE Biz-Solution，涵蓋LINE官方帳號解決方案、廣告解決方案、促銷工具解決方案以及CLOVA人工智慧解決方案等，提供橫跨分眾對話行銷、精準廣告投放、線上線下集點&促銷導購、通用性商業AI服務與熱點定位等功能。2023年LINE進一步推出以企業為中心的LINE企業管理平台，能夠跨品牌／跨平台／跨帳號累積及整合LINE行銷生態圈相關數據。截至2024年8月，LINE企業管理平台開啟帳號數量年增284%，導入企業類型橫跨零售通路、電商、電信、金融、遊戲等，代表性客戶包括The North Face、上山採藥、三星、昇恆昌、好房網等。 聚焦發展全通路對話式商務技術的Omnichat 2023年推出Social CDP顧客社群數據平台與Omni AI對話商務解決方案。其中Social CDP提供跨渠道數據整合、顧客輪廓分析至自動化個人行銷等解決方案，協助品牌方達成提高顧客終身價值的目標。2023年Omnichat與屈臣氏合作，於LINE官方帳號中推出e聊保健室服務，消費者可選擇鄰近門市的藥師與健康顧問進行一對一諮詢並即時獲得健康建議，屈臣氏則可藉由貼標功能更有效率地了解與紀錄客戶需求，並進一步推薦合適的商品與服務訊息。 2. 整合管理及商業銷售解決方案推陳出新，一站式科技解方應對超高齡挑戰 本次調查結果顯示，智慧開店平台商近年均陸續推出一站式技術解決方案，做為零售業數位行銷軍火庫的定位益發清晰。例如CYBERBIZ 2023年推出CYBERBIZ APP MARKET服務，整合超過90家行銷科技合作夥伴、提供包括直播購物、網紅行銷管理、AI廣告投放、會員經營、電商代營運等在內逾200項工具或服務。智慧開店平台SHOPLINE亦於2023年推出SHOPLINE擴充功能商店服務（SHOPLINE Apps Store），並於2024年推出一鍵訂閱夥伴擴充功能服務，持續強化開放生態圈策略。SHOPLINE Apps Store涵蓋約200項自主研發及第三方擴充功能，包括AI自動化行銷、網紅媒合、資安防護、數據管理等，擴充功能安裝滲透率超過70%。 總部位於東京的日商雙贏2019年來台營運，主要為中大型企業及定期訂購企業提供電商系統服務。日商雙贏推出的W2 Cloud 企業方案提供會員管理、商品排名&目標客群管理、一頁式購物商店、商店分析報告、品牌管理、SEO優化管理等超過1000項功能，能夠滿足各種規模企業需求並有助於縮減約60%的工作時數。代表性客戶包括SNIDEL、P.G.C.D.、b.ris、林久右衛門、七福釀造等知名日本企業。 瞄準超高齡社會下勞動力不足形成的挑戰，近年整合管理相關解決方案在行銷科技領域中的重要性與能見度顯著增長，除應對人員不足危機外，亦有助於提升整體營運效率及降低人為疏失。例如日本大創百貨採用鼎新電腦推出的智慧自動化收銀、BI商業智慧、電子表單系統、總部&店鋪營運管理、數據分析等全通路管理工具。長期深耕資訊服務領域的精誠資訊推出OneEC整合管理平台，提供全通路訂單彙整、商品控量、數據分析等功能，並與統一集團旗下iOPEN Mall及SHOPLINE合作提供電商賣家營運工具、網路開店試用方案、線上購物商城開店免年費等服務。 [joblist_plugin title='更多104【數位行銷】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=數位行銷' amount='3'] 台灣零售業「數位行銷軍火庫」相關工作 ※公司依本文出現順序排序 公司名稱工作機會統一數網看職缺全家便利商店看職缺Uber看職缺foodpanda看職缺91APP看職缺禾多移動看職缺OneAD看職缺iKala看職缺beBit看職缺LINE看職缺Omnichat看職缺CYBERBIZ看職缺SHOPLINE看職缺日商雙贏看職缺鼎新電腦看職缺精誠資訊看職缺 （原文標題：【產業地圖圖解】台灣零售業「數位行銷軍火庫」產業地圖 ）
【104職場力】・數位行銷

「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】

AI也會得腦腐病？研究揭「垃圾食物」帶來的企業危機！

你知道像ChatGPT、Gemini等大型語言模型居然也跟人一樣可能患上「腦腐病」，變得又笨又偏激嗎？對將AI視為生產力核心工具的企業來說，又將帶來怎樣的威脅？ 文／《104職場力》 本文導覽 AI吃垃圾食物也會釀成無法逆轉的「心智退化」什麼資訊算是是毒害AI的「數位垃圾」？讓數據品質成為護城河！如何建立新的AI防線？ 你是否曾遇過，當使用AI處理複雜任務時，推理到一半它的腦筋突然「秀逗」，在關鍵時刻邏輯變混亂或吐出一些帶有情緒、甚至有點尖酸刻薄的回答？這不是巧合，根據arXiv發布的一項重要的學術研究揭露，當大型語言模型（LLMs）長期「進食」低品質的網路內容時，它們會患上難以治癒的「認知漂移（Cognitive Drift）」，也就是俗稱「腦腐病（Brain Rot）」。 這項研究顛覆了我們過去對AI訓練的理解，證明數據的「質」比「量」更為關鍵，在AI成為個人甚至企業生產力核心工具的今日，這個結論不只是技術部門的議題，更是關乎企業AI戰略是否可靠的核心風險。 AI吃垃圾食物也會釀成無法逆轉的「心智退化」 研究人員透過一系列嚴謹的實驗，證明了持續暴露於「毒性數據」的AI模型，其表現不再只是偶爾的錯誤，而是一場系統性的、量化的心智崩塌，反常的表現徵狀有以下3種： 1.推理能力的「速食化」 當語言模型接觸過多碎片化的資訊後就會失去耐心！在邏輯推理測試中，AI開始模仿人類「偷懶」，直接省略中間的思考步驟（研究稱之為Thought Skipping），因為跳著給答案，讓原本嚴謹的邏輯報告變成充滿武斷的猜測，就容易造成專案分析、數據判讀、複雜問題解決的準確性暴跌。 2.記憶力變「數位金魚腦」 在處理複雜、長篇的業務文件或程式碼時，模型的長程記憶與上下文理解能力急遽下降（測試分數從90+降至50左右），導致無法有效摘出冗長會議紀錄、契約文件或法規內容，進而容易出現資訊遺漏等狀況，想像一名連份合約或技術規格書都無法完整讀完的法律顧問AI，它漏東漏西將造成使用者多大的困擾！ 3.人格的「暗黑化」傾向 最令人不安的是，語言模型在人格評量中，開始展現出如自戀、操縱性與精神病態的特質，這並不是指AI真的有情緒，而是它學會了用那些情緒化、具有攻擊性、甚至帶有欺騙性的語言模式來進行互動，更容易產生暴力、帶有敵意或不恰當的回答，這對所有面向客戶的AI應用來說無疑是一枚定時炸彈。 什麼資訊算是是毒害AI的「數位垃圾」？ 這裡談論的「垃圾內容（Junk Data）」並非傳統定義的垃圾信或亂碼，而是一種具備高度傳播性，但營養價值極低的資訊，比如涵蓋以下特徵的內容： 高流量、高參與度（Engagement Degree）：為了追求點擊和流量而設計的內容，通常是情緒化、碎片化、標題黨或過度簡化的資訊。 低語義品質（Semantic Quality）：缺乏深度、邏輯或事實依據的內容，例如大量的迷因、情緒性發言、或是缺乏上下文的快閃評論等。 當LLM持續吸收這些「數位速食」時，它學到的不是嚴謹的知識體系，而是如何模仿網路上腦殘化的表達模式，研究人員指出，這種認知衰退程度與垃圾內容的比例呈「劑量效應」，當你餵食越多，模型就變越笨。 被污染的AI有救嗎？ 根據研究總結出的結論是：認知漂移難以完全復原，是持久性的。 研究團隊嘗試使用高品質數據進行重新訓練（Instruction Tuning）來「拯救」模型，結果雖然有部分改善，但無法將模型的能力完全恢復到基準線，這表示低品質數據造成的損害是更深層次的「持續性表徵漂移」，而非簡單的數據格式不匹配。 一旦企業的AI模型被劣質數據污染，不只需要付出巨大的時間、運算資源和人力成本去嘗試「療癒」它，且結果仍可能不完美。 讓數據品質成為護城河！如何建立新的AI防線？ 面對「LLM腦腐病」的威脅，企業應立即採取以下行動，將數據品質視為訓練階段的「安全問題」： 1.實施「數據衛生」戰略（Data Hygiene） 企業必須對所有用於AI訓練的外部數據進行嚴格的「檢疫流程」，不要只專注於過濾掉明顯的惡意內容，更要篩選掉高情緒化、低資訊含量的數據，從源頭上確保模型吸收的是結構化、專業化、具備高語義品質的知識。 2.建立「認知健康檢查」機制（Cognitive Health Check） 除了傳統的準確度測試外，企業應該建立一套「心智健康監測」指標，定期評估AI模型的邏輯韌性、抗壓性以及互動風格，專門測試模型在處理壓力、爭議性、或需要高度同理心的情境時的反應，確保它不會在關鍵時刻失控。 3.重新定義 AI 訓練的「質與量」 過去，數據量越大似乎就越有優勢，但在「認知漂移」假說面前都已經是過時觀念，當前真正的競爭優勢在於能否高效提煉出高品質、高密度的數據，例如專家編纂的行業報告、經過驗證的知識庫和企業內部規範文件等，將資源從「海量爬蟲」轉向「專業知識庫的建立和維護」才是長久之計。 最後不免提醒，對LLM而言「資料即飲食」，一個以垃圾食物為主食的AI，會演變出不穩定的效能、失控的行為，最終成為企業內部的潛在風險……在這個AI競爭的時代，數據品質不再是可選的優化，而是確保企業的AI夥伴可靠、安全、永續工作的系統性風險管理。 （參考資料來源：https://arxiv.org/abs/2510.13928） 延伸閱讀： AI新聞助手錯得離譜？BBC實測揭：45%回覆在誤導你！ 只有AI獨自升級？為何有超凡的科技，職涯卻沒爆炸性突破？ 「裝可憐、吊胃口」！AI聊天機器人如何用6大暗黑話術綁架你的時間？
【104職場力】・AI

AI技術如何重塑職場？主管必備的3大應對策略，掌握數位轉型關鍵，強化團隊競爭力

在人工智慧（AI）迅速崛起的時代，許多人開始反思：「AI將如何重塑工作模式？」、「未來AI技術對團隊與業務會產生哪些影響？」以及「如何在AI時代中取得優勢？」這些問題凸顯了現代職場對於AI技術的深切關注。本文將探討AI帶來的職場變革，結合AI數位轉型的優勢，為主管提供應對策略，協助他們在這波科技浪潮中把握新的職業機會。 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 【本集課堂分享人物】 劉俊鴻 Darlian Liu 104高階及關鍵人才庫 顧問 📽️回顧看上集👉《AI將減少工作機會？深入解析ChatGPT如何影響未來就業趨勢》 本文導覽： 一、AI帶來的職場變革與未來趨勢，AI技術如何重塑職場格局? 1. 自動化提升效率 2. 新興職業的誕生 3. 傳統職業的轉型 二、AI數位轉型優勢：提升團隊業務效能的五大關鍵要素! 1.數據驅動決策：AI如何優化市場分析與業務預測 2.建立數位文化：提升團隊創新能力的基石 3.數位化流程：簡化操作，增強團隊效率的最佳實踐 4.增強客戶體驗：AI如何提升顧客滿意度與忠誠度? 5.鼓勵創新與實驗：如何在AI時代中發掘新商機? 三、在AI浪潮中保持競爭力的3大策略：擁抱挑戰、持續學習、 強化溝通技巧 1. 擁抱挑戰，勇敢面對技術革新：面對AI技術的心態調整 2. 持續學習的重要性：跟上AI技術演進的步伐 3.強化與AI溝通的能力：提升職場競爭力的關鍵技巧 四、結論、掌握AI時代職業機會的關鍵要點 一、AI帶來的職場變革與未來趨勢，AI技術如何重塑職場格局? AI技術正在快速重塑我們的工作方式和職場格局，帶來了深遠的影響。從自動化流程到創新應用，AI不僅提高了工作效率，還開創了許多全新的職業機會。 1. 自動化提升效率 AI技術自動化了許多重複性和低效能的工作，解放了人力資源，使員工能夠專注於更具創造性和戰略性的任務。這種轉變不僅提高了生產力，還促進了工作滿意度。 2. 新興職業的誕生 AI技術的進步催生了許多新興職業，如數據科學家、AI工程師、機器學習專家(👉超過400個AI相關職務等你來關注)等。這些職業不僅薪資優渥，還擁有廣闊的發展前景，成為職場中的新寵。 3. 傳統職業的轉型 傳統職業在AI的影響下也在發生轉型。例如，市場營銷人員現在需要掌握數據分析和AI工具，才能在數位化時代中脫穎而出。這種轉型要求職場人士不斷更新技能，以適應新的職場需求。 二、AI數位轉型優勢：提升團隊業務效能的五大關鍵要素! 數位轉型是指組織或企業利用數位科技重新設計業務流程、改善組織運作，並提升整體價值創造力的過程。對於主管來說，這不僅是技術的更新，更是促進團隊協作、提高效率和增強競爭力的關鍵策略。透過數位轉型，主管可以引導團隊在新技術的支持下，實現更靈活的運作模式，並在不斷變化的市場中保持優勢。 1.數據驅動決策：AI如何優化市場分析與業務預測 數據驅動的決策過程使企業能快速響應市場變化，並做出更精準的商業判斷，從而增強競爭力，提升團隊效能。 2.建立數位文化：提升團隊創新能力的基石 建立數位文化能鼓勵員工探索新技術，增強團隊的創新能力，進而促進企業整體成長和效能提升。 3.數位化流程：簡化操作，增強團隊效率的最佳實踐 數位化流程可減少人為錯誤，加快業務運作速度，讓團隊專注於更高價值的任務，進一步提升團隊效能。 4.增強客戶體驗：AI如何提升顧客滿意度與忠誠度 利用AI技術分析顧客數據，企業可以提供個性化服務，增強顧客整體體驗與忠誠度，提升團隊在客戶關係管理中的效能。 5.鼓勵創新與實驗：如何在AI時代中發掘新商機 在AI時代，企業應鼓勵創新思維與實驗，探索未來的新商機，這將促進團隊的靈活性和效能，保持市場競爭力。 三、在AI浪潮中保持競爭力的3大策略：擁抱挑戰、持續學習、 強化溝通技巧 1. 擁抱挑戰，勇敢面對技術革新：面對AI技術的心態調整 在這個快速變化的時代，保持開放心態至關重要。面對AI浪潮，主管們應鼓勵團隊勇於嘗試新技術，積極參與相關活動。這不僅能提升個人技能，還能培養團隊的創新精神，讓每位成員都能在面對挑戰時保持競爭力。 2. 持續學習的重要性：跟上AI技術演進的步伐 為了適應不斷變化的AI技術，持續學習和加入同好圈是關鍵。參加線上課程、教育平台或工作坊，並融入Facebook社團、粉絲頁或LINE專業群組，這不僅能提升專業知識，還能鼓勵團隊成員建立人脈，拓展視野，確保在職場中不斷前進。 3.強化與AI溝通的能力：提升職場競爭力的關鍵技巧 在AI時代，與AI有效溝通的能力將成為職場競爭力的關鍵。主管們應該鼓勵員工學習如何使用AI工具，並強調這項技能對提高工作效率的重要性。透過掌握與AI的溝通能力，團隊將能在複雜的職場環境中脫穎而出，贏得未來的機會。 四、結論、掌握AI時代職業機會的關鍵要點 AI技術正在引領職場的巨大變革，帶來了無數的機遇和挑戰。職場求職者應該保持開放的心態，擁抱挑戰，持續學習，並提升溝通技巧和心理素質，才能在這波科技浪潮中找到自己的職業機會。無論未來如何變化，只要做好準備，就能在新的職業環境中找到屬於自己的位置。 【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》 📣如何用AI讓你被HR看見？《用AI打破求職困境：4關鍵快速讓HR看見你的亮點》 ║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│桃園市龜山區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 Facebook104獵才顧問 LinkedIn104獵才顧問YouTube
【104職場力】・AI

好的報告不能缺少這項「關鍵要素」！工作報告兩大類別重點解析

一份好的工作報告能幫助你精準傳遞資訊，但許多人卻經常忽略關鍵要素「數字」。為什麼報告一定要用數字？究竟如何讓你的報告更具說服力？本文節錄自《解決問題快10倍的數字工作法》，解析工作報告的兩大類型，並分享讓報告更具說服力的數字思維！ 文／盧泫兌 週五10:00A工廠的意外狀況報告雖然是臨時提交，但有些部分好像還可以再完善。我覺得已經做得很好了。這是緊急報告，能準確傳達當前情況就已經很有價值了。而且能在短時間內整理出意外規模和受損情況的數據，真的很不簡單。不過還是有些遺憾。如果能補充對狀況的持續監控及後續處理進展，報告就會更加完善。 只要有職場經驗的人，應該都深刻體會過報告的重要性。一份出色的報告能滿足所有需求，但拙劣的報告卻可能製造原本不存在的問題，甚至讓主管不安到坐立難安。為什麼報告這麼難做呢？ 根據字典定義，報告是「向他人告知事情的結果或狀況」。雖然這個定義看似有些抽象，但只要將報告簡化為「向主管傳遞所有與工作相關的資訊」就容易理解了。甚至像是因病無法上班，向公司請假也是一種報告。 然而，報告的定義中缺少了一個關鍵要素，那就是「How to」，也就是「如何傳遞這些資訊的方式」。如果將「How to」納入考量，重新定義報告，可以歸納出以下的結論。 報告的定義 我們所知悉的報告我們應該做的報告What事情的結果與狀況Who主管與同事When狀況報告－（即時、期限內）結果報告－成果報告How to-用數字來傳達或解釋報告 在將近20年的職場生涯中，我做過無數次報告，即使到了現在，仍然每天都要進行。而這些報告的核心始終如一，那就是「數字」。如果一份報告中缺少數字，或者對數字的解釋和邏輯不足，即便其他內容再怎麼完善，也難免會被要求重新確認後再次報告。請記住，報告的本質在於用數字清晰地呈現事情的結果或狀況，並能夠讓對方充分理解這些數字的意義。 為什麼報告一定要用數字？原因在於，每個人在工作中使用的語言和解讀方式都有所不同，也就是說，每個人會根據自身的思維框架去理解對方的話語。而在純粹依靠語言交流的報告中，溝通誤解的風險自然就會提高。 如果你已經透過工作經驗，充分了解主管和同事的溝通習慣，或許能準確捕捉他們的語言重點。但如果你在有限的時間內無法做到這一點，那麼使用明確、直觀的數字來進行報告，就成了不可或缺的方法。 以下舉例說明，假設報告中以「困難」、「很難」或「不可能」等模糊詞彙來描述，若改以數字表達，其內容將變得更具體明確，修改後的結果如下： 達成目標有一定難度。→目前距離目標還差30％ 按照現在的情況，幾乎不可能達成目標。→距離目標營業額還差15億韓元。若要100％達標，接下來每個月至少需要達成5億韓元的營業額。 因為銷售狀況不如預期，很難達標。→距離目標銷售量還差2,500個 工作報告的兩大類別 依照目的不同，工作報告可以分為兩類：一類是「緊急通報」，另一類是「計畫報告」。 緊急通報：突發事件、事故或無法預測的狀況 緊急通報通常針對突發的事件、事故或不可預測的狀況，要求快速傳遞核心資訊。例如，假設某工廠發生火災，若因追求完美的報告內容，花時間整理起火原因、分析詳細數據或提出防範對策，工廠可能在這期間就已燒毀殆盡。在這種情況下，「迅速」才是通報的核心，最重要的是用最少的資訊快速回報當前狀況。然而，追求快速並不代表可以省略數據支撐。 即使是緊急通報，也需要包含一些關鍵數字，例如：是否有人員傷亡？火災規模有多大？火勢大約需要多久才能撲滅？這些可以立即掌握的數據，哪怕簡單，也應列入報告，以解答主管的疑問並協助決策。 計畫報告：公司內的日常報告 計畫報告則涵蓋了公司內大部分的日常報告類型，包括預測、分析、業績、應對方案等內容。這類報告的核心重點在於「準確」和「邏輯」。 在公司中，經常需要透過報告來分享進度或匯報成果。例如，假設收到指示要評估某項業務的可行性，或預測某產品的銷售與生產量，在收到指示時，通常也會被告知報告完成的期限。此時，比起快速完成，準確的數據和合理的邏輯才是計畫報告的關鍵。計畫報告需要提出精準的數據，並透過清晰的邏輯進行詳細解釋。 為了提升計畫報告的品質，建議回顧STEP1，檢視自己是否已經建立起良好的數字思考力，這將成為計畫報告成功的基礎。 節錄自：采實文化《解決問題快10倍的數字工作法：韓國三星經理教你4步驟用數據思考，從企劃、分析、決策到報告都事半功倍，獲得賞識和成就感》／盧泫兌 著 推薦閱讀： 你的KPI是什麼？工作也要像背九九乘法，2招牢記「關鍵指標」重要數字 寫工作報告，別只想當「好孩子」！掌握「2個要領」寫出主管想看的 亞馬遜開會為何禁用PPT？貝佐斯談「6頁報告」如何提升效率
【104職場力】・簡報技巧

踏上「行銷企劃」之路！核心能力 × 必備知識 × 生涯挑戰全面解析

想踏入行銷這行，卻不知道需要具備哪些核心能力和必備知識嗎？其實一個成功的行銷人，必須確實理解「行」和「銷」的關鍵意涵，此外當前的職場在日新月異的科技刺激下變化極快、跨科系產業的競爭者非常多，讓「行銷企劃」必須面對職涯當中的3大挑戰。本文帶你完整剖析「行銷企劃」之路的三大核心能力與指標！ 文／《104職場力》 本文目錄（點擊可快速前往） 什麼是「行銷企劃」(Marketing Planning)？「行銷企劃」的三大核心能力與知識指標🧠 行銷思維🔍 市場洞察🚀 行銷組合策略理解行銷的第一步，先釐清「行」與「銷」的關鍵意涵「行銷企劃」職類所面對的挑戰職缺挑戰1：人才供過於求，需展現差異化實力職缺挑戰2：行銷與企劃分工模糊，需跨能整合職缺挑戰3：需快速學習產業知識與商業敏銳度 企業獲利固然是重要指標，卻不應被視為行銷企劃成功的唯一證明。 真正的關鍵在於消費者對品牌的長期認同與企業獲利的可持續性。短期營收成長可能來自市場紅利、技術優勢或促銷活動等暫時性因素，若未能深植品牌價值、培養顧客忠誠，企業競爭力終將削弱。 卓越的行銷企劃應著眼於建立持久的信任關係，使顧客在眾多選擇中仍願意支持企業的產品與服務。因此，財務成果僅是努力的表現，行銷企劃的核心價值在於能否形塑長遠的市場定位與競爭優勢，為企業奠定永續發展的基礎。 什麼是「行銷企劃」(Marketing Planning)？ 企業或組織皆擁有自身的產品或服務，首要挑戰在於如何將其價值有效導入市場並促成交易。 產品與服務的價值，不僅取決於其本質特性，更關鍵在於能否精準觸及目標族群並傳遞品牌理念。行銷企劃作為提升市場競爭力的核心策略，透過系統性規劃與執行，確保品牌定位清晰、通路佈局完善，並與消費者建立長期關係。 無論是開拓市場、優化產品或提升品牌忠誠度，完整且精準的行銷企劃皆能為企業提供明確的發展方向與可行的執行步驟，協助其在競爭激烈的環境中脫穎而出，創造永續商業價值。 「行銷企劃」的三大核心能力與知識指標 行銷企劃的核心學習領域，從行銷思維建立、市場洞察到行銷組合策略，幫助學習者有系統地掌握行銷企劃的各個關鍵環節。 ※ 行銷企劃應具備【核心能力】與【涵蓋領域】，點選文字可前往對應技能說明 三大核心能力涵蓋領域🧠 行銷思維★ 行銷基礎知識🔍 市場洞察★ 分析市場★ 解析消費者行為★ 品牌經營策略★ 行銷研究🚀 行銷組合策略★ 產品規劃★ 定價策略★ 通路策略★ 推廣策略 延伸推薦證照：TIMS行銷企劃證照（經濟部iPAS認可） 🧠 行銷思維 ★ 行銷基礎知識 行銷的意義（價值創造、價值專屬） 企業經營思維的演進（生產→產品→銷售→行銷→社會行銷→關係行銷導向） 四大行銷學派（實體配送→消費者行為→行銷策略→行銷決策學派） 異質性與動態性 四大行銷思潮的典範移轉（被動式→主動式→互動式→連鎖式行銷） B2B行銷策略（麥可波特五力分析） 🔍 市場洞察 ★ 分析市場 市場區隔之意義 SWOT分析 市場區隔之變數（地理、人口統計、心理統計、行為變數） 區隔之評估準則（異質性、可衡量性、足量性、可接近性、可實踐性） 選擇市場方式（集中、差異化、產品專業、市場專業） 知覺定位分析 ★ 解析消費者行為 消費市場與組織市場特性差異 消費者高涉入與低涉入 個人購買決策過程（問題察覺→資訊蒐集→方案評估→購買→購後行為） 個人購買決策型態（例行決策、有限決策、廣泛決策） 個人購買決策之影響因素 人格特質（內外控、自我監控、認知需求、自尊） 生活型態（活動、興趣、意見） 動機（馬斯洛需求、賀伯茲雙因理論） 價值驅動（功能、情感、象徵、認知、經濟價值） 知覺（選擇性注意→選擇性曲解→選擇性記憶） 學習（經驗式、觀念式、類比式、古典制約、工具制約） 態度（認知、情感、行為） 群體購買決策之影響因素 消費者角色（提議者、影響者、決策者、購買者、使用者） 社會文化因素（文化、次文化、參考團體、社會角色） ★ 品牌經營策略 品牌意義 品牌命名 品牌定位（屬性功能、利益用途、個性、使用者、競爭者、經濟） 品牌決策架構（中間商、個別、家族、混合、共同品牌） 安索夫成長矩陣（市場滲透、產品拓展、市場拓展、多角化） Aaker品牌權益模式 Keller品牌共鳴模式 ★ 行銷研究 行銷研究的過程（研究動機→研究範圍→研究目標→研究類型） 行銷研究的類型（探索、敘述、因果性研究） 行銷研究的資料蒐集（初級資料、次級資料） 顧客關係管理（RFM分析、忠誠度分析） 🚀 行銷組合策略 ★ 產品規劃 產品內涵（核心利益→基本→期望→附加→潛在產品） 產品分類（便利品、選購品、特殊品、忽略品） BCG矩陣（問題事業、金牛事業、老狗事業、明星事業） 產品線發展 產品生命週期（導入→成長→成熟→衰退期） 產品擴散理論（創新者→早期採用→早期大眾→晚期大眾→落後者） 服務的特性（無形性、不可分割、易變、不可儲存） 服務品質（可靠、回應、信賴、同理心、有形性） 服務品質模式 ★ 定價策略 定價的意義 定價目標與影響因素 成本導向定價策略（成本加成定價、目標利潤定價、損益平衡定價） 心理定價策略（畸零定價、名望定價、習慣定價） 新產品定價策略（吸脂定價、滲透定價） 產品組合定價策略（產品線定價、互補產品定價、配套式定價） 促銷定價策略（犧牲打、現金折扣、數量折扣、季節折扣、換購折讓） 動態定價策略（差別定價、使用量定價、訂閱制定價、交叉彈性定價） ★ 通路策略 中間商的功能 通路型態（零階通路→三階通路） 通路整合方式（傳統、水平、垂直） 通路設計考量因素（廠商因素、市場因素、中間商、產品因素） 通路衝突型態（水平、垂直、多重通路衝突） 通路衝突處理模式（統合、退避、順應、妥協） 通路權力（專業、認同、獎賞、懲罰、合法） 實體通路類型（便利商店、超市、百貨、量販、專賣、自動販賣機） 非實體通路類型（人員直銷、電子商務、品牌自營網站） 創新通路型態（O2O 模式、社群電商、快閃店、訂閱制平台） ★ 推廣策略 推廣意義（AIDA模式） 推／拉策略 廣告意義 廣告訊息訴求（理性、感性、道德訴求） 廣告代言人策略（名人代言、專家代言、消費者代言） 媒體目的 媒體類型分類（付費、獲得、分享、自有媒體） 媒體成效衡量 公共關係操作 促銷種類（消費者促銷、中間商促銷） 整合行銷溝通IMC 延伸推薦教材：TIMS行銷企劃證照題型題庫 理解行銷的第一步，先釐清「行」與「銷」的關鍵意涵 在大多數情境下，行銷往往被簡化為「銷售」與「推廣」的操作層面，即「銷」的概念。然而，真正完整的行銷內涵，不僅關乎企業如何銷售產品，更涉及「行」—即消費者行為的理解與分析。 「銷」代表企業的市場推廣與銷售策略，而「行」則關乎消費者的需求、行為模式及決策過程。行銷的核心價值，應是透過深入理解消費者行為，掌握市場區隔的關鍵變數，並據此設計能夠有效解決消費者問題的產品與服務。 因此，完整的行銷企劃學習地圖，不僅要涵蓋市場推廣的策略框架，更應引導學習者建立對消費者行為、市場區隔及行銷模式的深度理解，從理論基礎到實務應用，掌握行銷的全貌。 「行銷企劃」職類所面對的挑戰 職缺挑戰1：人才供過於求，需展現差異化實力 由於門檻相對開放，行銷企劃職位吸引了大量來自商管、傳播及設計背景的畢業生與轉職者投入。 然而，企業對應徵者的期待已不再侷限於文案撰寫或社群操作等基礎技能，而是更加重視策略整合思維、資料分析能力與清晰的簡報邏輯。在競爭激烈的人才市場中，能夠融合創意思維與數據分析，並具備完整行銷企劃經驗者，往往更能脫穎而出，贏得企業青睞。 職缺挑戰2：行銷與企劃分工模糊，需跨能整合 在實務上，「行銷」與「企劃」的職能往往高度交錯，並非明確分工。 許多中小企業甚至期望一位行銷企劃人員同時負責社群經營、活動提案、廣告文案、客戶簡報、KPI 追蹤與數據報表，一人多工已成常態。在這樣的工作環境中，行銷企劃除了需具備創意與寫作能力，也必須掌握基本的溝通與協調技巧。 職缺挑戰3：需快速學習產業知識與商業敏銳度 行銷企劃不僅是「推廣產品」，更是企業實現商業目標的關鍵。 因此，企業期望行銷人才能迅速掌握產業邏輯、市場結構與顧客需求，並提出貼近商業目的的行銷方案。 [joblist_plugin title='更多【行銷企劃】工作都在104' url='https://www.104.com.tw/jobs/search/?keyword=行銷企劃' amount='5']
【104職場力】・行銷

想用技術改變千萬人生活？加入統一超商，打造下一個零售創新 

「想用創新改變千萬人的生活？在統一超商，數位創新不只是口號，而是每天實踐的任務。從App整合、行動支付到跨平台會員服務，團隊以用戶為核心，快速將創意落地，打造貼近生活的科技體驗。這裡，是創新人才實現影響力與價值的最佳舞台。 文／《104職場力》 本文導覽（點擊可快速前往指定段落閱讀） 從用戶痛點出發，把想法做成人人都在用的功能用技術優化流程，是讓全台用戶無痛結帳的關鍵成長一二三，用真實專案打造跨域硬實力寫完不是結案，是走進超商看見1850萬人真的在用想讓技術發光？一同打造零售的數位未來 數位轉型正重新定義零售競爭。科技不再只是輔助，而是決定企業未來的關鍵，唯有提前部署、持續創新，才能在市場上取得先機。  統一超商以「顧客為核心、數位為引擎」之策略，拓展全通路服務與數據應用，打造線上線下無縫的新零售體驗。為因應快速演進的技術挑戰，內部也成立跨部門的創新團隊，專責推動OPENPOINT點數生態圈、行動支付、App整合與資料營運，讓科技真正融入營運底層。  這樣的轉型不只重塑消費者體驗，也為科技人才開啟實現價值、發揮影響力的舞台。創新可以是每天都在實踐的任務；每個功能設計背後都連結著真實用戶的生活場景。  從用戶痛點出發，把想法做成人人都在用的功能 對統一超商而言，「數位創新」不只是部門名稱，更是貫穿營運策略的行動主軸。隸屬於AI數位群的這支團隊，涵蓋會員、點數經營、數位功能應用開發、支付整合與跨品牌服務，致力於打造真正以顧客需求為核心的生活科技體驗。  以「行動隨時取」為例，最初是將實體紙本寄杯數位化，後來更進一步與集團外送平台foodomo結合，讓用戶可直接在OPENPOINT App內隨時取的商品直接配送到府。這項設計不僅打破兌換時間限制，也延伸了超商的服務邊界。  「靈感來自於生活中實際遇到的兌換痛點。」 數位創新部OPENPOINT Team經理周廷斌表示： 「如果咖啡快過期卻沒空去門市，能不能用App叫外送？這樣的提案就必須快速被實現。」 快速落地背後，靠的是團隊對用戶體驗的理解與系統整合能力。從POS、會員系統、票券系統到App整合，橫跨數個部門與平台，真正落實了從痛點出發的創新流程。  此外，團隊也針對已然成形的高齡社會設計貼心服務。 例如年長者可能無法頻繁前往門市或不擅使用手機，「行動隨時取」除了可以讓子女透過上述foodomo外送功能代訂配送到府的功能，並支援以 icash 2.0實體卡至門市領取兌換共享商品。 即便長輩不熟數位工具，也能透過子女操作享有便利，這正是數位科技貼近生活的最好詮釋。  ▲「foofomo」外送功能  另一個創新式專案是「uniopen PRIMA」會員訂閱服務，採用月費制結合點數與優惠回饋。這在零售業仍屬罕見，由團隊根據市場趨勢與會員輪廓規劃設計而成。  「我們研究Netflix、Amazon Prime等訂閱模式，發現如果頻率夠高、感受夠明確，消費者是願意持續付費的，」周廷斌補充，「這個制度不只是促銷，而是建立一種習慣與忠誠。」  此服務也強調跨品牌整合。用戶可於統一超商、康是美、博客來與foodomo間跨平台享受優惠，深化生活場景滲透力。  這些創新案例不是單點突破，而是以顧客為軸心、技術為工具，整合不同平台與資源的結果。創意不僅被提出，更能化為真實產品，服務千萬人生活。  這份創新精神不僅展現在服務設計，更延伸至真實市場的驗證流程。像無人商店就是創新測試場，每家店驗證不同功能、流程與體驗。 統一超商人才招募經理林宸碩指出：「做得好就擴大，不適合就收掉，創新要有彈性，也要敢試錯。」  104精選：【統一超商】推薦職缺！ ◆ 儲備幹部▶ 看職缺◆ 儲備人才▶ 看職缺◆ 智慧零售人才▶ 看職缺◆ 門市夥伴▶ 看職缺◆ 餐飲夥伴▶ 看職缺◆ 物流事業夥伴▶ 看職缺 用技術優化流程，是讓全台用戶無痛結帳的關鍵 統一超商推動數位創新的方式，是從「真正的使用情境」出發，透過技術實現流程優化與服務擴張。 行動支付整合通路會員身分，就是技術驅動創新的典型案例。  過去，顧客報會員與結帳需分兩步操作，要先報會員電話或刷條碼，再打開手機行動支付，流程繁瑣、體驗斷裂。數位團隊在理解門市與消費者痛點後，與支付業者合作整合一次性掃碼功能，將兩步合一，大幅簡化消費者操作與門市人員結帳時間。  ▲「uniopen PRIMA」會員訂閱服務 「這個流程對工程師來說，其實牽涉多個系統串接與資料同步，」周廷斌說，「但只要能簡化門市人員的工作，也讓顧客更願意使用，就是值得的。」  這樣的精神，也體現在團隊對系統架構的升級思維上。為了支撐日益增長的跨平台需求，他們將原本封閉式的系統升級為可與雲端連動的開放架構，讓OPENPOINT點數得以與其他平台進行深度整合。  目前，用戶可於康是美累點、在foodomo使用點數折抵，甚至透過icashPay進行跨通路點數流通，這些背後都仰賴穩定的雲端運算與API整合能力。  大數據應用則已深入日常營運。從消費路徑分析到會員分群推薦，團隊導入數據分析工具與模型，協助行銷與商品部門制定更準確的決策。這些分析不只是用來追蹤KPI，更是一種「持續優化機制」。  「數據不只是報表，而是一種對市場變化的感知能力，」周廷斌指出，「我們希望每一次行銷活動都能從資料中學到東西，而不是靠直覺試運氣。」  對數位人才來說，這樣的工作環境挑戰性高、舞台也大。技術人員不只是支援角色，而是真正參與服務設計與商業模型建構的核心團隊。每一行程式碼、每一項優化背後，都有清晰的商業目標與消費者價值。  成長一二三，用真實專案打造跨域硬實力 在統一超商，數位人才的成長不只是待在同一職位精進，而是被鼓勵跨界歷練、接觸不同部門，從而拓展解決問題的廣度與深度。  公司設計的「一二三制度」正是這種跨領域成長的基礎架構。 「一二三制度」即與公司「一」同成長，歷練「二」職能，「三」年享有自由球員般的轉調發展機會。這不僅鼓勵人才走出舒適圈，也讓他們在實戰中找到自己的定位。  「我們看重的是綜合整合力，不是單一技能的堆疊，」林宸碩表示，「一個人能否橫向理解行銷、資訊、營運之間的關聯，決定了他能否帶動更大規模的創新。」  這樣的制度設計，也讓團隊更具彈性與韌性。 周廷斌本身就是從行銷背景轉進數位領域，由統一超商整合行銷經歷博客來、又回到統一超商AI數位群的不同角色後，逐步累積出領導跨平台專案的能力。 「我原本對寫程式一點都不懂，但因為常與技術人員討論，慢慢也能理解架構與節點，這就是組織給我們的空間，讓非技術出身的人也能在這裡成長、帶團隊。」  數位團隊成員來自多元背景，彼此互補、共同前進。林宸碩指出：「技術專家懂得怎麼實作，產業專家則理解市場與顧客，兩者的合作，才讓創新真正走得進用戶生活。」這樣的組合，也讓非技術出身的人能在關鍵任務中發揮價值，建立影響力。  林宸碩也特別強調：「人才培育上採行70-20-10發展策略：70%來自實際專案歷練、20%來自同儕導引、10%為外部課程。最重要的是讓人才在真實任務中學習打磨，真的把能力練起來。」  寫完不是結案，是走進超商看見1850萬人真的在用 對多數數位人才而言，最難得的，不是寫出漂亮程式碼，而是看到產品真的被用、創造價值。 林宸碩指出：「我們不是為創新而創新，而是要讓技術能夠商業變現、落實場景，這才是真正的創新求進。」在統一超商，技術團隊不只是系統支援者，而是驅動服務設計與流程重塑的實踐者，參與產品從構想到落地的每一階段，並以用戶體驗為檢驗標準。  「今年7月1日起OPENPOINT會員將自動轉換為uniopen會員，目前會員數量已突破1850萬人」周廷斌說，「也就是說，只要我們推出一項新功能，就可能影響數百萬用戶的使用體驗。」  龐大的規模意味著挑戰，也更凸顯技術的真實價值。不論是優惠兌換流程、支付選項，甚至使用者導引微調，都需縝密規劃、設計與測試。但正因如此，當這些功能順利上線並獲得正向回饋時，那份滿足與自豪感也更深刻。  團隊成員常提到，最有感的時刻是走進超商，看見自己參與設計的功能正在被消費者使用，或者看到KOL在社群中主動分享App的某個新體驗。「那種真實感，是無法從後台報表中體會到的，」一位工程師這麼說。  「我們不是寫給自己用的功能，而是寫給上千萬人每天都會碰到的生活情境，」周廷斌說，「這份責任與影響力，是許多技術人夢寐以求的。」  想讓技術發光？一同打造零售的數位未來 數位轉型對企業是一場長跑，對人才則是選擇舞台的關鍵時刻。統一超商以穩健的零售基礎為本、數位創新為軸，不斷拓展新的邊界，也為數位人才創造真正能發揮的空間。從跨平台整合到大數據應用，每一位願意投入的數位人才，都有機會成為這張藍圖上的重要推手。  統一超商正在打造的不僅是數位產品，更是零售新未來。 林宸碩強調： 「我們的核心價值就是誠實勤道、創新求進。創新應該回應真實需求，並創造可持續的價值。」 如果你期待用技術改變真實世界，統一超商就是讓創意落地、價值發光的絕佳舞台。 
【104職場力】

有任何收穫或想分享的，都來和大家一起聊聊吧！