104學習

資料收集

指的是系統性地蒐集相關資訊,包含數據、文件、報告或市場動態,為決策提供有力依據。具備此能力能有效篩選出有價值的資訊,避免資訊過載,提升工作效率與判斷準確度,進而支持專案推進與問題解決。在快速變動的職場環境中,這項技能是基礎且關鍵,幫助個人及團隊保持競爭力。

3,371 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

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】
專案矩陣分析與應用技巧
專案矩陣分析與應用技巧
採購作業與進料管制技巧
採購作業與進料管制技巧
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】
【績效管理-入門】企業績效目標設定及評估
【績效管理-入門】企業績效目標設定及評估
商業策略規劃
商業策略規劃
資深經理人教你超強Excel數據力
資深經理人教你超強Excel數據力
CompTIA Project+ 國際專案管理師認證暨實務課程
CompTIA Project+ 國際專案管理師認證暨實務課程
公務人員考題複習精選【人事行政】
公務人員考題複習精選【人事行政】
長照行政品質必修課|行政與照顧品質管理基礎四堂課
長照行政品質必修課|行政與照顧品質管理基礎四堂課

精選證照

考取專業證照,讓能力被市場看見

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
人資專案管理師認證 |
專案成敗早在專案念頭發起時就已決定大半,雖然專案管理(Project Management)早在各個產業領域深入推廣,然而對於許多人資夥伴而言,似乎還是欠缺可實際運用的成功模式。藉由每位講師多年人資專案輔導與實際推動經驗,透過理論架構與案例分享,引領大家正確地從完整人力資源體系的宏觀角度切入,順利地將專案管理(Project Management)手法與工具成功應用在人資領域的各種企劃技巧、工具軟體、簡報提案與進度掌握上,進一步協助人資夥伴提升人資專案管理的績效表現。
社團法人中華人力資源管理協會
IMSA整合行銷策略分析師 |
有鑑於現在學生實務學習普遍不足,針對行銷方法往往都是一知半解,無法將所學習的行銷理論與實務作有效性結合,所以為了讓學員更容易建立整合行銷策略分析及規劃的概念,且知曉如何善用各種行銷企畫與策略分析工具如:市場調查與分析預測、顧客消費行為研究、行銷策略規劃、品牌經營與管理、顧客價值管理、商品規劃與通路管理、服務作業管理、商務活動規劃、廣告文宣企畫、成本分析等工具,來為商品創造高度的銷售績效與持久的競爭優勢。
盈豐資訊科技有限公司
PMI-PBA國際商業分析師 |
PMI-PBA (Professional in Business Analysis,國際商業分析師),是美國國際專案管理學會 (PMI) 於 2014 年發行的證照,為近年 PMI 系列證照人數成長最快者。 這張證照是專案的前置專業分析,對於中、高階主管的營運思維有極大助益。高價值、高廣度及其豐富內容,是商業分析成為世界趨勢的關鍵,完整地系統思考,涵蓋辨識現況、發現商業需要、解決方案提出、需求管理與分析、績效評估……等知識,從專案開始之前一直到結束之後各階段都能運用,學習內容是在職場工作中如何在掌握高度思維必備的技能! 商業分析可與專案管理手法互相搭配,專案經理 (PM) 是把專案做對,而商業分析師 (Business analyst) 則是選擇對的專案來做。簡單來說,商業分析工作在專案開始前即展開,進行包含辨識問題、找到最佳的解決方案……等前置評估;專案開始期間著重在需求管理 (引出、分析需求),與 PM 互相搭配;專案結束後,則持續進行長期績效評估,確保有效回饋,持續完善。 故 PMI-PBA 不論對工作上有需求/分析相關任務者,或專案從業人員,都是非常合適的進修證照。學習商業分析技能、強化商業分析及需求分析的能力,才能知道為何而戰、懂得值不值得戰,當自己站在完整專案管理知識技能的價值鏈上,一定能在國際舞台中成為熱門人才。
PMI 國際專案管理學會
BI規劃師 |
「BI規劃師」證照為企業在導入商業智慧與推動資料化管理過程所需要的人才。其扮演資料需求分析、管理指標規劃、報表架構設計與決策支援規劃等角色。
中華企業資源規劃學會
數位人資管理師-經理級認證 |
數位人資管理師認證學程將幫助你,運用e化系統的力量,將大量的人資行政瑣事效率化;利用聰明的流程再造,將員工視為內部顧客,全面提升員工體驗;最後發揮數據力,真正成為組織成功的策略夥伴! 獲得數位人資管理師-經理級認證,代表你具備以下能力 1.了解員工體驗的精神,與e化流程的設計思維,可協助組織全面檢視HR各流程的重要問題與精進的方向。 2.熟悉e化流程的設計方法步驟,協助組織善用數位科技的力量,優化現有制度流程,促進員工體驗。 3.清楚大數據分析的內涵,與業界實務運用案例,可幫助公司導入大數據分析專案,解決公司在人力計畫、人才發展、留才管理上碰到的重大問題。
104資訊科技股份有限公司

精選貼文,掌握第一手知識

超強資料分析工具:DAT AI 自動化資料收集平台,讓商業與股票分析變得更高效簡單|功能優勢、應用場景

在當今數據主導的時代,如何快速、合法地收集並結構化大量數據,對商業決策與市場分析至關重要。DAT AI 是一款針對開發者與數據專家設計的自動化資料收集工具,能幫助用戶從網路中提取有用的資訊,無論是商業分析、股票數據還是產品價格,皆能快速整理,顯著提高數據工作效率。本篇文章將深入探討 DAT AI 的功能與應用,幫助你掌握如何用 AI 技術提升資料分析效能,解決繁瑣的數據收集問題。 ▍什麼是 DAT AI? DAT AI 是一個強大的自動化資料收集平台,專門為需要大量數據進行商業或技術分析的開發者及數據專家所設計。該平台的主要特點是能夠自動從多種來源提取結構化數據,並將這些數據轉換成可供進一步處理與分析的格式。無論你需要的是最新的市場趨勢、企業的股票表現,還是電商網站上產品的價格變動,DAT AI 都能提供高效、快速的解決方案。 DAT AI 不僅適合需要即時更新的數據需求者,如股票分析師、商業分析師,甚至適用於學術研究者或政府機構需要從開放數據中進行深度研究的情境。這個工具能夠有效簡化繁複的數據提取過程,讓用戶專注於資料分析本身,而非花費大量時間在數據蒐集上。 ▍DAT AI 的核心功能 DAT AI 擁有多樣化的功能,讓資料收集變得更加自動化與智能化。以下是其核心功能介紹: ● 自動化網路爬蟲技術:DAT AI 利用先進的網路爬蟲技術,能從各類合法的網站上自動收集所需數據,並將這些數據快速轉換成結構化格式,方便後續的分析與使用。 ● 多樣數據來源整合:該平台能夠處理來自不同來源的數據,如電商平台、新聞網站、企業報告以及股票市場數據,並將其彙整到一個易於管理的介面中。 ● 即時更新與通知系統:對於需要頻繁數據更新的用戶,DAT AI 內建的即時通知功能能自動推送新數據,確保你不會錯過任何市場或行業變化。 ● 高效的數據清理功能:該平台不僅能蒐集數據,還能進行基礎的數據清理與過濾,去除冗餘資訊,確保數據質量與可靠性,適合用於更精細的分析工作。 ▍DAT AI 在商業與股票分析的應用 在現代商業與金融環境中,資料是決策的關鍵。商業分析師可以利用 DAT AI 從市場中蒐集龐大的資訊,無論是競爭對手的價格變動、市場需求趨勢,還是供應鏈的數據,這些都可以幫助企業制定更準確的策略。對於股票分析師來說,股票市場的即時數據尤為重要,DAT AI 能自動更新股票價格、企業財報數據等,讓投資者能在第一時間做出決策,從而獲取投資的先機。 此外,對於需要進行長期研究的專業人士,如經濟學者或市場研究員,DAT AI 提供的數據不僅限於當前時點,還可對歷史數據進行追蹤與分析,幫助用戶更全面了解市場變化與趨勢。 ▍DAT AI 如何解決痛點? 許多數據專家面臨的最大挑戰之一,就是如何有效率地從龐大的網絡中獲取精準且有效的資料。而手動數據收集不僅耗時,還容易出錯。DAT AI 正是為了解決這一痛點而誕生,它能大幅簡化資料收集流程,並減少數據處理中的人為錯誤。這對於依賴即時數據進行決策的團隊來說,能夠極大提高工作效率,讓他們專注於更具價值的數據分析上。 此外,DAT AI 的資料清理功能也解決了數據質量不穩定的問題。許多從網路蒐集來的資料常常包含大量的雜訊或不相關的資訊,DAT AI 的自動過濾功能能確保資料的準確性與完整性,讓用戶不再需要花費時間手動篩選。 DAT AI 是一個革命性的平台,它的自動化資料收集功能,特別適合需要大規模數據的商業分析與股票投資者。不僅能夠幫助企業迅速蒐集市場資訊,還能支援股票市場的即時數據追蹤,讓用戶不再錯失關鍵決策時機。透過其高效的資料提取與結構化數據功能,DAT AI 幫助用戶突破傳統的數據蒐集限制,將更多精力放在資料分析與決策上,提升工作效率並做出更精準的判斷。 ➤ 立即試用:https://dat.ai/ ➤ 歡迎在104學習精靈關注【AI趨勢報-科技愛好者的產地】獲得更多科技新知!
知識貓星球・AI 趨勢報-科技愛好者的產地🤖

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

產品經理 - 學習地圖(下):職涯精進篇 

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(下) :職涯精進篇,將協助學習者認識『轉職產品經理的學習策略』、『產品經理薪資行情與職涯發展 』、『產品經理的挑戰與機會 』相關職業發展重點趨勢,協助轉職者掌握先機,開啟自己嚮往的產品經理職涯! 前往閱讀 【產品經理 - 學習地圖(上):技能養成篇 】  文 /【104學習精靈】 本文目錄(點擊可快速前往) 轉職產品經理的學習策略 初學者或轉職者的學習策略的四步驟學習策略 不同背景的轉職策略 產品經理薪資行情與職涯發展 產品經理薪資概況 產品經理職涯發展路徑總覽 職涯發展路徑圖哪些產業需要產品經理 產品經理的挑戰與機會產品經理的挑戰:責任高壓 × 協作複雜 × 影響難以量化產品經理的機會:橫跨多領域 × 成為整合與策略型人才 轉職產品經理的學習策略  初學者或轉職者的學習策略的四步驟學習策略  🔍 步驟一:建立觀念框架  目標是建立「什麼是產品經理」的核心理解,避免誤解 PM 僅是寫文件或開會的角色。  閱讀經典書籍:  《Inspired》(Marty Cagan)  《Lean Startup》(Eric Ries)  《Hooked》、《The Mom Test》等使用者與產品研究相關書籍  觀察與分析:  訂閱科技與產品類專欄(如《PM 的日常》、《Mr. PM》)  比較 PM 在不同產業中的角色差異(SaaS vs. FinTech vs. 教育科技)  🛠️ 步驟二:進行模擬實作  產品能力是做出來的,非讀出來的。從小型個人專案開始動手做:  撰寫 PRD(產品需求文件):說明產品目標、功能架構、使用者角色等  建立簡單原型:可使用 Figma、Uizard 或 Whimsical 畫出 Wireframe  練習模擬專案情境(例如:設計一款改善會議效率的工具)  🧰 步驟三:建立個人作品集  PM 沒有程式碼作品,作品即為「邏輯、觀察與提案」。Side Project 是最佳切入點。  自行發想一個產品點子,並完成以下交付成果:  用戶訪談紀錄、問題定義  MVP 功能列表與排序依據(Kano、RICE 等)  原型畫面(Figma)與簡報提案(Canva、Gamma)  將成果整理成:  部落格分享文章(Medium、方格子)  Notion 公開頁面或作品集 PDF  📊 步驟四:進行能力映照與導師輔助  轉職需要策略,了解自己的強項與補足點是核心。  自我分析:  是否擅長邏輯分析?是否習慣說故事與組織資料?  對技術的接受度如何?對用戶研究是否有熱情?  對照能力地圖與三階段學習模型(初階 → 中階 → 資深)  尋找導師或實務導向社群(Product School、Dcard「PM 求職」板、社群黑客松)  【成功轉職PM經驗分享: 從0學會提案,產品經理學習營揭3大挑戰 】  不同背景的轉職策略  產品經理是一個高度跨域的職位,各種專業領域的人才都能從自身優勢出發,補足關鍵能力差距,有策略地進入 PM 領域。以下列出常見背景與對應建議:  💼 背景類型 🔍 關鍵補強能力 🧭 學習策略與實作方向 工程師 / 技術人員 商業價值理解、需求轉化、使用者觀點 - 學習撰寫 PRD 並用簡單語言說明技術實作邏輯- 練習 MVP 與產品優先排序技巧(RICE、Kano)- 建立從技術到商業的提案範例 UI/UX 設計師 技術協作語言、商業邏輯、敏捷開發流程 - 學習產品開發節奏(Scrum、Sprint Planning)- 練習從用戶痛點導出產品需求- 撰寫可執行的功能清單與需求說明(非設計角度) 行銷 / 業務 / BD 用戶建模、技術合作、需求邏輯結構 - 練習撰寫 User Story、畫使用者旅程圖- 學習產品分析指標(轉換率、留存)- 製作從行銷洞察到產品設計的策略案例 專案管理 / 專案 PM 使用者思維、功能設計、產品價值評估 - 補足從需求到功能邏輯的建構訓練- 練習將項目管理轉化為產品開發週期 - 提升產品策略思維(如何達成產品願景、商業目標) 資料分析師 / 數據人員 使用者訪談、產品場景理解、功能直覺 - 將分析結果轉換成產品洞察與建議(例:為何 DAU 下降?)- 練習功能排序與使用者分群設計- 製作一份以數據為主導的功能驗證提案 教育 / 顧問背景者 技術導向邏輯、產品結構化設計 - 將課程規劃轉為產品功能流程(例:學習路徑=用戶旅程)- 建立數位化教學或平台設計專案作為產品作品集 記者 / 編輯 / 媒體人 邏輯結構、功能規劃、需求導入 - 將內容流程圖轉換為資訊架構(IA)- 練習功能導覽邏輯與用戶操作行為設計- 撰寫產品規格內容並搭配原型製作 創業者 / 自營接案者 系統化流程、團隊協作語言、規模化需求設計 - 重構既有專案成為產品流程(從接案 → 開發 → 優化)- 學習定義「核心功能」與「增強功能」- 撰寫投資簡報與產品發展路線圖  [course_plugin title='轉職產品經理經驗分享' keyword='如何成為厲害的產品經理' amount=2] 產品經理薪資行情與職涯發展  產品經理薪資概況  🎯台灣產品經理薪資  初階(3年以下經驗):月均薪約5.8萬。  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6.5萬以上。(以上資料來源:104薪資情報)  🎯薪資影響因素  產業別:FinTech、SaaS、AI、新創科技類產品,整體薪資水準高於平均  公司規模與資本:外商、大型科技平台或募資成功的新創通常提供更高總薪酬(含分紅、股票)  技術能力:具備資料分析、SQL、AI 工具應用或技術 PM 能力者,具明顯加分空間  跨部門經驗與語言能力:能帶領國際團隊或雙語溝通,具備海外市場經驗者,職位晉升與薪資天花板更高  績效可量化與作品影響力:曾成功主導產品從 0 到 1 上線、或具實際商業成效者,極具市場競爭力  產品經理職涯發展路徑總覽  🎯一般產品經理職涯階梯  階段 角色職稱 工作內容重點 初階(0–2年) Associate PM、PM 功能需求管理、協助執行開發與測試 中階(2–5年) Senior PM、產品 Owner 獨立負責模組、帶專案、做跨部門溝通 高階(5 年以上) Head of Product、Director 規劃策略、領導團隊、負責產品營收或發展方向  🎯產品經理的延伸發展方向  ▶️ A. 管理職方向 → 領導產品團隊與策略擬定  產品主管(Head of Product)  產品副總 / 首席產品官(VP of Product / CPO)  📌 適合具備團隊領導、策略思維、資源整合能力者📈 負責產品線營運績效、公司級產品策略與團隊管理  ▶️ B. 專業產品分支 → 深化專業能力與技術協作  成長產品經理(Growth PM):優化轉換率、黏著度  資料產品經理(Data PM):數據驅動決策、儀表板設計  平台產品經理(Platform PM):處理底層架構、平台服務協調  AI 產品經理(AI PM):導入 AI 模型、設計 prompt、資料運用  📌 適合具備技術基礎、數據敏感度或 AI 工具應用者📈 強調深度專精與跨部門技術協作  ▶️ C. 轉向技術 / 解決方案型職位  技術產品經理(Technical PM)→ 精通系統邏輯、API、工程流程協作  Solution PM / 客製產品經理→ 尤其常見於 B2B 領域,轉譯商業需求為技術落地方案  資料分析 / 機器學習協作產品職(Data Analyst / ML Collaborator)→ 與資料科學家共構分析產品,打造資料決策體系  📌 適合對技術工具敏感、與工程或數據團隊合作密切者  職涯發展路徑圖 產品助理 PM / 初階產品經理 │ ▼ 產品經理(Product Manager) │ ▼ 資深產品經理(Senior PM) │ ├── A. 領導團隊 → Head of Product / VP of Product / CPO │ ├── B. 深化專業能力 → │ ├── 成長 PM(Growth PM) │ ├── 資料 PM(Data PM) │ ├── 平台 PM(Platform PM) │ └── AI PM(AI Product Manager) │ └── C. 技術轉向 / 客製型產品 → ├── 技術產品經理(Technical PM) ├── 客製方案 PM(Solution PM) └── 資料協作職(Data / ML Collaborator)   哪些產業需要產品經理  幾乎所有以產品為核心的行業都需要產品經理。以下列出熱門產業與其 PM 特性:  科技平台 / SaaS : 快速上線、快速迭代  PM 需懂敏捷與成長指標  電商與新零售  用戶轉換、後台流程、金物流整合  重視跨部門協作與商業營運理解  FinTech 金融科技  必須結合法遵、用戶安全與服務介面  PM 需與法務、風控、技術密切協作  EdTech 教育科技  著重用戶黏著與內容轉化效果  常需思考平台設計與學習路徑設計  IoT 與硬體整合  PM 扮演橋梁角色,連結硬體端與 App、後台資料串接  遊戲與娛樂產業  以玩家體驗、虛擬經濟與成癮機制為優先考量  產品經理的挑戰與機會   產品經理的挑戰:責任高壓 × 協作複雜 × 影響難以量化 責任重大但權限不清 雖需對產品成效、上線時程負責,但實際並不管理設計師、工程師等資源。 📍 情境:設計端與工程端無意願更改開發排程,PM 需透過影響力而非權力協調進度。 利害關係人眾多,溝通成本極高 市場、業務、客服、用戶、技術等部門需求往往衝突,PM 是資訊總管也是「夾心餅乾」。 📍 情境:行銷部門希望推出亮點功能吸引用戶,但開發團隊評估技術複雜度高,PM 需主導「先推 MVP、後期擴充」的雙贏方案。 KPI 難以單一指標衡量 🎯 與業務不同,產品績效常依賴間接成果(如提升用戶留存、降低客服成本),評價方式難以量化。 📍 情境:推出新功能後,用戶滿意度提升但營收未立即成長,PM 需解釋產品影響是「長期復利」而非即時回報。 需求變動快速,需持續對齊戰略方向 使用者行為、競品策略與高層決策常臨時變更,PM 要即時調整計劃、重排優先順序。 📍 情境:原定第二季上線的新模組,因競品提早推出類似方案,PM 臨時調整優先順序並帶團隊加速交付。 資訊不對稱與期望管理 PM 需將技術語言與商業語言轉譯給不同部門聽懂,並同步設定合理期待。 📍 情境:業務部門以為功能改動「只是改兩行 code」,PM 需以邏輯說服其理解影響範圍與開發代價。 產品經理的機會:橫跨多領域 × 成為整合與策略型人才 深度參與產品創新與策略制定 PM 是少數能從用戶需求出發,參與產品架構、商業模式與推廣策略制定的角色。 📍 情境:PM 參與設計新會員系統,從功能設計到價格方案與活動邏輯,全面串聯 UX 與營收思維。 跨界職能大平台,橫向能力持續擴張 PM 是 UX、工程、行銷、數據的整合者,能從中學習各部門運作邏輯。 📍 延伸可能: UX 能力強 → 可轉向 Product Designer / UX Lead 商業直覺強 → 可轉向 BD、Growth Hacker 擅長數據分析 → 可成為 Data PM 或轉職 Data Analyst 善用 AI 與數據工具,提升個人效率與競爭力 新時代 PM 善用工具(如 ChatGPT、Mixpanel、Figma AI),將重複性任務自動化,將更多精力投入產品決策。 📍 情境:使用 ChatGPT 快速產出功能草稿、用 Notion AI 紀錄會議摘要,大幅提升產出速度與溝通效率。 職涯發展路徑彈性高,向上與橫向皆可擴展 根據個人強項與興趣,可發展為: ⬆️ 高階管理職(Head of Product、VP、CPO) ⬅️ 專業分支(Growth PM、AI PM、Platform PM) ➡️ 創業者、顧問、創新策略師 培養「影響力而非權力」的領導型人才 優秀 PM 不靠職權,而是靠願景整合與團隊信任來推進決策,這正是高階管理人才最需要的核心能力。 [course_plugin title='產品經理實戰課程' keyword='第7屆產品經理學習營' amount=2] 前往閱讀 【產品經理 - 學習地圖(上):技能養成篇 】  [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 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

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
【104職場力】・人資系統

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

「接案作品集」怎麼準備?6大要素及不同客戶應對技巧

對自由接案工作者來說,「作品集」往往比履歷更能展現你的專業度與價值。一份好的接案作品集該怎麼準備?作者為軟體工作者,分享好作品集的6大必備要素,並用自身經驗解析技術型、設計導向、非技術型與綜合型客戶的關心重點,幫你打造更有說服力的作品集。本文節錄自《不想上班的勇氣:軟體工作者的第一本接案指南》。 文/陳泰銘(Taiming) 本文目錄(點擊可快速前往) 為什麼需要準備接案作品集?接案作品集準備方向:依照不同接案類型、客戶來調整好的作品集應該具備的6大要素沒有作品集怎麼辦?最好平時就累積Side Project 為什麼需要準備接案作品集? 作品集是接案者的「敲門磚」,能夠幫助潛在客戶快速了解你的能力、風格和經驗。有時候,你的作品集甚至比你的履歷還重要,因為它是最直觀的證明,展示你的專業度和價值。 客戶沒有時間細聊,先看作品決定是否聯繫你 比起履歷,作品集更能說明你的實力 客戶更信任有實際案例的接案者 降低溝通成本,幫助客戶確定風格與需求 讓你在競爭者中脫穎而出 當你在社群平台或論壇上看到有人發問:「有人可以幫我做插畫設計嗎?」如果你只是留言「我可以做」,很容易淹沒在眾多回覆中,客戶也不會特別關注你。但如果你直接附上作品集連結,讓對方點進去就能看到你的實力,成功機率就會大幅提升。這樣的方式不僅能讓你在競爭中脫穎而出,也能迅速抓住客戶的注意力。 接案作品集準備方向:依照不同接案類型、客戶來調整 一開始瞄準方向很重要,因為不同類型的客戶關心的重點不同,你的作品集應該根據你的目標市場來調整。例如: 技術型客戶:展示程式碼品質與技術細節 當你的目標客戶是開發公司或技術團隊時,他們更關心你的技術能力,而不只是表面的作品展示。例如,當一間軟體公司正在尋找後端開發者時,他們不會單純看UI設計,而是會評估你的程式碼品質、架構設計與API文檔。如果你的作品集包含GitHub專案連結、技術架構解析、程式碼片段或效能優化案例,將更能說服這類客戶,讓他們相信你具備專業的開發能力。 非技術型客戶:強調成果與商業價值 當你的客戶是中小企業或個人創業者時,他們通常不懂技術細節,而是關心你的工作能否為他們帶來實際價值。例如,一位餐飲業老闆希望建立線上訂餐系統,但他不懂技術,對「技術堆疊」也沒有興趣。他想知道的是這個系統能否提升業績、減少人工成本、讓顧客更方便。因此,針對這類客戶,你的作品集應該側重於案例說明,包含專案背景、解決的問題、最終成果與數據,例如「這個網站讓客戶下單率提升30%」,而不是單純列出技術細節。 設計導向的客戶:重視視覺呈現與品牌一致性 當你的客戶是品牌商、電商品牌或行銷團隊時,他們關心的是視覺美感與風格統一性,而不是技術實作的細節。例如,一位服飾品牌老闆希望找人設計一組社群貼文模板,他不會關心這些設計是用Photoshop還是Figma製作的,而是想知道你的設計是否符合品牌形象,能否吸引目標受眾。因此,你的作品集應該著重展示設計風格,提供高品質的圖片、完整的設計概念,並附Behance、Dribbble或Figma連結,讓客戶能夠直觀地評估你的視覺風格是否符合需求。 綜合型客戶:需要靈活調整作品集內容 有些客戶的需求涉及多個面向,例如,一家新創公司希望開發一款APP,他們既關心UI設計,也重視技術架構與開發能力。在這種情況下,若你的作品集過於單一,可能無法完整展現你的能力。最佳做法是針對不同領域準備不同版本的作品集,例如一份專注於UI/UX設計,另一份則強調技術架構與開發過程,這樣才能根據不同客戶的需求靈活調整,確保你的作品集能夠精準打動對方。 因此,一開始要明確你的目標客戶,這樣作品集才能精準打動對方,而不會顯得雜亂或無法吸引適合的機會。 好的作品集應該具備的6大要素 一份優秀的作品集,不只是展示你的能力,更應該幫助潛在客戶快速理解你的價值,並建立信任感。以下是作品集應該具備的關鍵要素: 1. 清楚的自我介紹與專業定位 你的作品集應該開門見山地說明你的專業領域,例如「專注於SaaS產品開發的全端工程師」或「專精品牌識別與UI設計的視覺設計師」,讓客戶一眼就能理解你的核心技能與市場定位。 2. 精選案例,而非堆砌大量作品 作品集不應該只是單純堆放所有作品,而是要精選最具代表性的案例,並確保這些案例與你的目標市場匹配。例如,如果你主要服務科技新創,那麼展示SaaS產品設計或開發案例會比一般電商網站更具說服力。 3. 案例背景與解決方案 單純的圖片或程式碼展示不足以吸引客戶,你應該為每個案例補充背景資訊,例如:「這是為某家新創公司開發的會員系統,目標是提升用戶留存率」,然後說明你的解決方案與貢獻,例如:「透過重新設計UI/UX,讓註冊轉換率提升20%。」這樣的敘述能讓客戶更容易理解你的價值。 4. 數據與成果驗證 如果可以的話,加入量化數據來證明你的工作成效,例如「重新設計後的網站,跳出率降低25%」、「API優化後,請求速度提升40%」,這樣的數據能讓你的作品更具說服力,提升客戶的信任度。 5. 直覺且專業的視覺呈現 作品集的排版應該簡潔清晰,避免雜亂無章的內容堆砌。如果你是設計師,這本身就是對你美感能力的考驗;如果你是工程師,也應該讓專案展示清晰易讀,像是使用卡片式設計來分類案例,或提供 GitHub 連結搭配摘要說明。 6. 聯絡方式與行動呼籲(CTA) 無論作品集是網站、PDF還是簡單的Notion頁面,都應該明確提供聯絡方式,例如Email、LinkedIn、或接案平台連結。此外,可以加上一些行動呼籲,例如「有興趣合作嗎?歡迎來信討論!」,讓客戶知道下一步該怎麼與你聯繫。 透過以上這些要素,你的作品集不僅能夠有效展示你的專業能力,也能提升轉換率,讓潛在客戶更容易做出決策,進而提高你的接案成功機會。 沒有作品集怎麼辦?最好平時就累積Side Project 其實,比起事到臨頭才急著找作品集,最有效的方法是平時就主動累積Side Project。不論是為了解決某個小問題、實現自己的點子,還是純粹為了學習新技術,只要能完成、有成果可展示,就能成為你的實戰證明。 Side Project不需要商業化,也不必太龐大,關鍵是能展現你的能力與風格。這些專案可以放在你的個人網站、GitHub、Behance、Notion或Medium等平台,讓潛在客戶在搜尋你的名字時就能看到。 以下是一些常見的發想與執行管道: 解決自己的痛點:把日常遇到的問題變成產品,例如排程工具、記帳App、小型自動化腳本等。 模仿與改造:挑一個你喜歡的網站或應用,試著重製、優化或加入新功能。 開源貢獻:參與GitHub上的開源專案,累積實戰經驗與人脈。 挑戰題目平台:參加如Frontend Mentor、Dribbble Weekly Warm-up、Kaggle等主題挑戰。 幫朋友或社群做東西:主動幫朋友設計海報、開發活動報名網站、製作社群 BOT 等。 紀錄學習歷程:把你學會的新技術或解法整理成部落格、教學影片或Notion範本。Side Project的價值,不只是讓你練功,更是你與客戶溝通時最有說服力的「非商業作品集」。尤其在你還沒太多實戰經驗時,它們能說明你的主動性、邏輯思維、執行力與品味。 節錄自:博碩《不想上班的勇氣:軟體工作者的第一本接案指南》/陳泰銘(Taiming) 著 獨家課程推薦:【設計師接案必修課】從作品集到報價,系統化讓專業變現 [joblist_plugin title='更多104【軟體工程類 接案】工作機會' url='https://www.104.com.tw/jobs/search/?jobcat=2007001000&mode=s&page=1&ro=2&keyword=%E6%8E%A5%E6%A1%88&order=15' amount='4'] 更多【自由接案】分享: 上班族也掀「斜槓兼職」熱潮!高薪兼職時薪破千,兼職工作機會懶人包 接案族該如何報稅?一文搞懂「接案外包」的報稅技巧,趕快收藏! 設計接案合約必備5大要素!保護權益必知,終結客戶鬼打牆 接案報價不是憑感覺!給新手的基礎報價公式參考 2025 最完整免費接案平台、接案社群總整理(附設計、行銷外包接案工作機會)
【104職場力】・UX

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

提升營銷與投標成功率的祕訣:打造精彩文案與吸睛企劃!

好的文案不僅能讓受眾留下深刻印象、提高品牌能見度,更可以發揮「長尾效應」,讓行銷成果得以長久留在人心當中。因此,如何透過「好的文案」精準打中受眾的需求至關重要,提高吸引力和說服力是很重要的。「青創學院」推出由豐富實務經驗師資所傳授的三堂「提升文案與企劃能力」的課程,帶你寫出精彩感動人心的章句。 本文目錄(點選文字可前往指定段落閱讀) 從平凡到卓越:寫出讓人易懂難忘的文案打入政府採購供應鏈,爭取投標關鍵:展現專業,創造價值透過課程快速掌握撰寫文案及投標企劃的成功關鍵 文案不僅是傳遞訊息的工具,更是吸引和說服目標受眾的重要手段,成功的文案能清楚地表達企業的價值主張,激發潛在客戶的興趣和需求。另一方面,投標企劃是企業爭取合約和業務推動的重要過程。投標企劃不僅是企業的實力和優勢的展現,還需要在成本控制、項目實施及風險管理等方面提供可行的具體方案。文案與投標企劃的結合,不僅能提升創造營收、拓展業務版圖,更讓企業價值更上一層樓。 延伸閱讀:代購創業怎麼做?帶你入門日韓中泰批貨市場、定位訂價、海外追貨,創造第一桶金 從平凡到卓越:寫出讓人易懂難忘的文案 「年輕人不怕菜,就怕不吃菜!」「你累了嗎?」一提到這些金句,腦中是不是就浮現產品的樣子了?這就是文案的厲害。文案在現代行銷和品牌建立中扮演著至關重要的角色。有效的文案不僅僅是訊息的傳遞工具,更是一種策略性溝通方式,其目的是引發目標受眾的興趣和行動。透過精確的措辭和有針對性的內容,文案可以影響消費者的決策過程,進而達到推動銷售和增強品牌忠誠度的效果。 首先,好的文案通常具備清楚的目標和定位。無論是撰寫廣告、網站內容還是社交媒體發文,了解目標受眾的需求和心理是至關重要的。文案需要根據受眾的特徵、偏好和痛點來量身打造,進而提高其吸引力和說服力。 其次,語言的運用和內容的創新也是關鍵因素。有效的文案往往具有吸引眼球的標題、引人入勝的開頭,以及明確的行動呼籲。透過創造性地使用詞語和敘事技巧,文案能夠更抓住讀者的注意力並激發其情感共鳴。 最後,文案的效果需要透過資料來進行評估和改善。透過分析點擊率、轉化率和用戶互動回應等指標,企業可以了解文案的實際表現,並根據資料結果進行調整和改進。 總結來說,文案是一種藝術和科學的結合,文案是否寫得成功不僅取決於文字的表達技巧,更攸關撰寫者對市場和讀者的深入理解。透過不斷地測試和改善,企業才能創造出真正打動人心的文案,從而創造其影響力。 打入政府採購供應鏈,爭取投標關鍵:展現專業,創造價值 對許多中小企業來說,爭取政府採購是一個相對穩健的營收來源,只要在預算和需求明確、適法合理的條件下運作,投標企劃對企業來說是一個可以展現專業並創造更多附加價值的策略。成功的政府投標企劃不僅需要對「甲方」的政策想法、需求規劃、技術規範有清楚的瞭解,更需要把「乙方」的執行策略、經驗優勢、附加價值清楚表達。 投標企劃的成功第一個是要於對甲方的需求有全面完整的理解。投標企業需要仔細分析招標單位的需求和期望,並依照需求規範制定方案,包含對項目的技術要求、預算限制以及實施時間表的詳細把握。透過這些分析,企業可以確保其投標方案與招標單位的需求完全對接,並在競標過程中展現出其專業性和適應能力。 其次,投標企劃需要具備明確的策略和實施計劃。包含項目的技術方案、成本預算、資源配置以及風險管理等方面的內容。企業需要在企劃書中詳細描述其解決方案的可行性和優勢,透過生動的案例和實際效果加以說明並展現出在過往執行類似項目的成功經驗和執行實力。 最後,清楚的溝通和呈現方式對投標企劃是否成功非常重要。一份成功的企劃書應具備結構清楚、語言簡潔且具說服力的特點。企業需要用精確的資料和有說服力的論據來支撐其方案,並在投標過程中充分展現出團隊的專業能力、經驗優勢和履約承諾。 總結來說,投標企劃是一個涉及多方面的綜合性過程,成功的投標企劃需要企業具備深入的市場洞察、完善的方案設計以及出色的溝通能力。透過這些要素的有效結合,加上與開標單位的良好關係,才能在激烈的競標中脫穎而出,贏得合約和業務機會。 透過課程快速掌握撰寫文案及投標企劃的成功關鍵 「青創學院」是由新創總會開辦,與其他坊間課程最大不同點在於師資都有豐富的實務經驗,並且以小班制方式上課,每位學員都有機會和老師做深入的討論。此外新創總會也是協助創業的第一品牌,參與課程就有機會瞭解更多政府提供的創業和財務資源,對於想要學會如何增進文案撰寫能力、寫出致勝的投標企劃書的上班族、企業主或小編等,絕對是最好的選擇! 有鑑於此,青創學院為協助企業主及上班族提升文案及企劃能力,開辦了三堂課程,不僅可以提升觸擊率與銷售力、激發文案原力讓你的產品更好勸敗,並且學會寫出專業的投標企劃,讓公司從競爭激烈的政府標案市場中脫穎而出。 青創學院9-10月份文案與企劃相關課程 課程名稱課程日期報名網址會寫就會賣!文案力基本訓練班(台北)9/24(二)09:30-16:30▶ 點我報名搶攻商機-政府採購投標企劃實務(台北)9/26(四)09:30-16:30▶ 點我報名社群神文案:FB、IG 有效發文與短影音經營技巧(台中)10/24(四)09:30-16:30▶ 點我報名勸敗神文案:電商文案與產品促銷技巧(台中)10/29(二)09:30-16:30▶ 點我報名社群神文案:FB、IG 有效發文與短影音經營技巧(高雄)10/30(三)09:30-16:30▶ 點我報名 ※ 如有任何課程問題,歡迎洽詢新創總會02-2332-8558#108,或加入Line官方帳號:@fev2563u獲得更多創業課程訊息。 更多【文案技巧】觀點分享給您 品牌行銷必看!好的廣告文案,都有這7種特性 向三大成功品牌學習如何寫出好的廣告文案|行銷人的靈感簿 【2024最新】社群行銷、文案寫手接案報價與外包行情參考
【104職場力】・行銷

「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

「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】

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

有任何收穫或想分享的,都來和大家一起聊聊吧!