AI 商業數據與工作應用實戰：分析、報表與決策支援【09/30】
104學習
CDL
CDL指的是商用駕照，主要用於駕駛大型車輛如貨櫃車、巴士或其他商用車輛。在台灣，擁有這項技能代表具備合法操作大型車輛的資格，對於物流、運輸及相關產業非常重要。具備這項技能的人才在職場上較具競爭力，能擔任駕駛、運輸管理或調度等職務，增加就業機會及薪資潛力。此外，這項證照也反映出持有者有良好的駕駛紀錄及相關安全知識，對企業而言是可靠的員工資產。
測測你現在的程度
花 5 分鐘了解自己的能力，找到最適合的學習起點
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
人資與採購必學！ AI 流程自動化應用實戰工作坊【10/20】
AI財務力：從數字到決策的智慧應用【9/3】
AI快速完成專業簡報
【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
成為 AI 科學家｜資料分析師必備視覺化技能 Power BI
何謂績效管理與目標設定－掌握關鍵指標設定與面談技巧，談出好績效
Vibe Coding：AI 網路應用開發實戰（上）
不寫程式的大數據分析師：數據分析之王-超強excel樞紐分析
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']
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
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
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
「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＞
AI世代主管生存指南：4大面向、18組指令，打造高效管理大腦！
管理職壓力大、雜事多？別再孤軍奮戰！本文教你利用AI處理棘手的管理問題，透過模擬困難對話、生成正向回饋與自省機制，讓AI成為你的最佳副手！
文／王穎皓 由Cheers授權轉載
本文導覽
一、人員管理：用AI讀懂人心二、團隊管理：用AI讓團隊更順暢三、商務管理：讓決策更精準四、自我管理：持續成長不倦怠AI是協作夥伴，不是替代品
在AI時代，善用生成式AI不僅能減輕管理負擔，更能提升領導效能。本文彙整日本新創Renewer發布的《給管理者的生成AI指南 2025》，從人員、團隊、商務到自我管理，提供具體AI應用指令，讓你不再被管理工作壓垮。
根據日本能率協會管理中心（JAMA）調查，超過七成一般員工表示「不想成為管理職」。原因不難理解：管理者的角色看似光鮮，實則壓力重重，不僅要面對上層的目標，也要承擔團隊成敗的責任。
然而，管理職卻是釋放組織力量不可或缺的存在。特別在AI時代，管理者更需要同時管理「人」與「AI」，這樣的能力將決定組織能否保持競爭力。願意承擔這份責任的主管與領導人，對企業來說是稀缺而珍貴的。
許多領導者已經將AI融入日常管理，從1對1面談、團隊溝通到策略決策，AI都能提供實質幫助。以下是經過實戰驗證的AI應用方法，涵蓋4大管理面向：
一、人員管理：用AI讀懂人心
管理最困難的部分往往是「管人」。無論是績效面談還是傳達壞消息，都需要同理心與溝通技巧。AI可以成為你的私人教練。
1. 分析成員個性，調整管理風格
每個人都有不同的行為模式。透過AI分析成員特質，你可以採取更合適的管理方式。
指令範例：
「我的成員具有以下特徵。依DISC理論，你判斷可能屬於哪種類型？針對這個類型，請給出有效的應對方式（溝通方法或指導風格）。」
可用框架包括DISC理論（主導型、影響型、穩定型、分析型）或情境式領導理論。讓AI幫你找出最適合的溝通策略。
2. 教導與引導的平衡術
有時成員需要直接教導，有時則需要啟發式提問。AI能同時提供兩種方案。
指令範例：
「一位成員在週報中提到：任務因重複修正常延誤計劃。請為我設計「教導式提問」與「引導式提問」的範例，供我1on1時使用。」
在面談前準備好兩套方法，現場依狀況靈活切換，能大幅提升指導效果。
3. 用「GROW模型」提問，支持目標達成
AI能依 GROW 4步驟（Goal、Reality、Options、Will）生成提問，讓主管快速具備教練技巧。
指令範例：
「我想在與某位成員的 1on1 中使用 GROW 模型。請提供各階段（Goal、Reality、Options、Will）的合適問題範例。」
4. 用「黃金圈理論」下指令
指令不只是「做什麼」，更要說明「為什麼」。依照Why→How→What的順序，能提高團隊認同感。
指令範例：
「我要指示成員檢查不必要的業務，請用黃金圈理論來製作指示範例（包含Why、How、What三項）。」
AI會幫你重新組織訊息，讓指示更有說服力。
5. 模擬困難對話與傾聽訓練
面對薪資談判或績效不佳的討論時，事先模擬能減少焦慮。
指令範例：
「成員對下期薪資不滿,將進行面談。請扮演該成員，從第一句話開始與我對話。我扮演上司。對話結束後，請指出我做得好的地方與需要改進的地方。」
結合語音模式使用，更能貼近真實情境。AI會在對話後給予回饋，幫助你改善溝通技巧。
6. 生成正向回饋
不擅長稱讚？讓AI幫你找出成員的亮點。
指令範例：
「你是一位善於激勵人心的教練。請讀取A的自評，分析能提升動機的重點，並寫出一則能讓A保持積極心態的回饋。請盡量提供不同於常見的角度。」
要求AI包含「努力過程」、「貢獻點」、「成果影響」，避免陳腔濫調的用語，能讓回饋更有溫度。
二、團隊管理：用AI讓團隊更順暢
團隊管理的核心是資訊共享、意見一致與信任建立。AI能協助你更有效率地達成這些目標。
1. 將公司指示轉化為白話文
高層的會議紀錄往往充滿術語，成員難以理解。AI能幫你翻譯。
指令範例：
「以下是公司傳達的內容，我想重新整理成便於成員理解的說明，並附上以下資訊，請生成文字：Goal（目的與成員需要做的事情）、預估確認時間（例如：需閱讀的分鐘數）。」
附上閱讀時間與明確目標，能提高訊息傳達效率。
2. 快速蒐集會議演講素材
例行會議需要新鮮話題？用搜尋型AI收集最新資訊。
指令範例：
「我將在工程師團隊的週會中進行約3分鐘有關生成式AI的最新新聞或話題簡報。請提供3個合適的主題，最好是最近1個月的新聞。」
使用Perplexity等工具，還能請AI提供名言或格言作為開場。
3. AI自評制度減輕審核負擔
讓成員先用AI檢查文件，主管只需做最後把關。
指令範例：
「你是一位主管，負責審核成員提交的稟議書。請依以下標準檢查內容，並具體指出不符合之處（NG項），並說明理由。」
使用ChatGPT的GPTs功能，可建立客製化審核機器人，大幅減少重複性工作。
4. 設計提升心理安全感的工作坊
團隊信任是績效的基礎。AI能協助設計促進交流的活動。
指令範例：
「我想設計一個2小時的工作坊，目的是促進團隊信任。請設計從破冰到深入交流的活動順序與內容，並加入能促進自我揭露的元素。」
AI會提供完整流程，包含線上與實體版本。
三、商務管理：讓決策更精準
商務管理需要深度思考與策略規劃。AI能成為你的智囊團。
1. 模擬有爭議會議
預期會議會有激烈辯論？先讓AI演練。
指令範例：
「在下一次會議中，將討論『每週要求出勤兩次』的議題。請模擬一場討論，由贊成派與反對派各自提出意見，雙方互相發言數次，最後整理出可能出現的觀點清單。」
透過預演，你能提前準備應對策略，並找出折衷方案。
2. 讓AI當「唱反調者」（Devil’s Advocate）
對自己的決策有信心？讓AI挑戰你。
指令範例：
「以下是我的決策草案，請毫不保留地指出其中缺點與風險，並提出嚴厲的質問。以下接內容XXX。」
使用推理模型如ChatGPT o1，能獲得更深刻的批判與風險提示。
3. 讓團隊目標更有吸引力
冰冷的數字目標難以激勵人心。結合心理學與創意改寫。
指令範例：
「請將目標『將客戶應對時間縮短20％』透過SCAMPER法轉換為全新表述方式。希望能跳脫常見用語，帶出隱藏的價值，並請逐步解釋轉換過程。」
運用創意發想法（SCAMPER）、心理學（SDT 自我決定理論）或故事化技巧，能讓目標更有感染力。
4. 製作甘特圖與矩陣
視覺化工具讓計畫更清晰。
指令範例：
「請以「Mermaid」記法（文字轉圖表示法）生成『3月舉辦研討會（準備及實施）』的甘特圖，根據以下任務清單製作：以下接任務清單XXX。」
或使用艾森豪矩陣排定任務優先順序，幫助團隊聚焦重點。
四、自我管理：持續成長不倦怠
管理者也需要照顧自己。AI能成為你的成長教練。
1. 逆向尋找管理方法
遇到問題不知道用什麼理論？直接問AI。
指令範例：
「我的團隊成員之間發生了以下衝突，請提議適用於此問題的管理方法或架構。以下接發生的問題XXX。」
從問題出發，比按部就班的學習理論更有效率。
2. AI日記寫作與重新框架
記錄每日心得，讓AI給予客觀分析。
指令範例：
「這是今天的日記，請結合前幾日內容給予回饋。以下接日記內容XXX。」
當感到疲憊時，可請AI用正向視角重新詮釋：
「我作為領導一直忙於進度管理與處理問題，已感到非常疲憊，無力客觀看待團隊及課題，我覺得自己快到極限了。請幫我用正向視角重新框架此情況，我可以怎麼看待？」
使用GPTs功能建立專屬日記機器人，能追蹤長期變化。
3. 快速研究對手公司
商談前需要了解對方？搜尋型AI更高效。
指令範例：
「請全面調查◯◯公司業務範圍與△△(負責人)經歷。」
使用Perplexity或ChatGPT的SearchGPT功能，能快速彙整多方資訊。
4. 打造AI導師
讓AI學習你信任的書籍或名人觀點。
指令範例：
「請基於輸入的資料，模擬XXX（領袖名）的思維與意見進行對話。不只是簡單使用資料內容，而是形成其背後的思想與人格來回答。」
使用NotebookLM匯入PDF、YouTube等資料，打造個人化AI顧問。
AI是協作夥伴，不是替代品
生成式AI無法取代管理者的判斷與同理心，但它能成為強大的輔助工具。從人員溝通到策略決策，從團隊建設到自我成長，AI能減輕負擔、提升效率。
主管不該是孤軍奮戰，善用這些AI工具，能讓管理更得心應手、帶領團隊創造更高價值。
（本文由AI撰寫初稿，經天下學習團隊編輯與核實。資料來源：堀内亮平、Renewer、JMAM；原文標題：主管不想累死，一定要知道的AI「４大情境」應用指南！）
延伸閱讀：
主管帶人不能憑感覺！一圖看懂「員工類型」，管理風格對症下藥
優秀主管最突出的優勢是什麼？追蹤十年研究：幫員工換工作
麥肯錫：最成功CEO都有一個特徵
與其給錢，不如幫忙「推進度」！最新調查揭曉中階主管為什麼想離職：專案卡關，難以推動
只會領導員工還不夠！當AI也成為同事，主管們的全新必修課：人機協作管理
為何台灣上班族都在學稻盛和夫？跟「日本經營之聖」學管理
搶手！「AI產品經理」年薪輕鬆逾百萬
人工智慧產品經理AI PM(product manager)，無疑是當前職場最紅的職務之一。AI PM和傳統PM有什麼不同？AI PM又和AI工程師有何差異？為什麼AI PM年薪能輕鬆超越百萬？104職涯診所Podcast EP560【AI PM紅什麼？！年薪上看150萬！不用精通程式，但要懂AI技術、能和工程師溝通】提到，AI PM不見得要精寫程式，但必須懂技術，尤其要具備讓AI落地於產品的能耐；相較於傳統PM，AI PM的薪資可能多30%；年薪因專業度和年資而不同，80~150萬不難，150~250萬有機會，主管職或上市櫃公司有望超過250萬。
文／104職涯診所Podcast
【來賓】 王之璘，104人力銀行產品暨價值營運處資深協理，從輔大企管系畢業之後，曾任屈臣氏儲備幹部，優仕網Youthwant業務助理、網站企劃，ABC好車網網站企劃，一路發展成為產品經理PM(Product Manager)，進入104人力銀行前後將近十年，目前擔任產品團隊主管，帶領超過三十位夥伴負責主要的AI產品，也是104人銀行最年輕的處級主管，職涯歷程豐富。
「AI PM」人工智慧產品經理，在傳統職責上，疊加AI技術應用
AI PM指的是與AI相關的產品經理（Product Manager）。
不過，討論AI PM之前，必須先界定傳統PM的工作內容。傳統PM通常分為兩大導向：一是功能導向(從零到一)，把全新的產品從無到有、建立起來。二是營運導向，負責觀測用戶行為、發現數據問題並進行優化與開發，例如，對於104人力銀行這樣已有多年線上服務的網站進行改善與優化。此外，傳統PM特別注重用戶介面（UI/UX）的優化與改善，並根據用戶的使用數，提供回饋給開發單位。綜合來說，PM是介於技術端與用戶之間溝通的橋樑。
AI PM的工作是疊加在傳統PM任務之上的。核心任務特別強調，將AI技術應用在產品的流程或發展中。
AI PM的職責面向主要有二：首先，運用AI改善公司內部的作業流程與效率，加速技術和流程的串接。這點是傳統PM比較少關注的。例如，AI PM可以利用對Prompt語法的熟悉度，與AI互動，快速產出產品需求文件PRD(Product Requirement Document(或設計畫面，大幅節省工程師的時間。其次，利用AI發展具有商務價值的工具或服務給使用者，讓使用戶願意為了AI功能而付費。
以履歷表功能為例，比較兩種PM的差異
以履歷表功能為例，傳統PM會觀察求職者填寫履歷過程中的「卡點」，透過增加欄位或使用文字引導，讓欄位更容易填寫，優化介面。
然而，AI PM會把AI技術直接應用在產品服務之中。例如，AI PM會用AI分析求職者已有的PDF或Word履歷表，把相關內容自動轉移到系統的欄位，節省求職者的時間。也就是說，AI能分析求職者的學經歷或社團經驗，自動產出自傳內容，或分析履歷內容有哪裡不足，對應求職者想應徵的職務，然後提供求職者哪裡可以再加強的建議。AI PM會進一步思考，會比使用者想得更多、看得更遠，避免求職挫折、提升求職效率。
不會寫程式也ok？AI PM具備三大核心能力：技術、市場、整合
如果把AI PM的三個關鍵職務能力聚焦在：懂技術、懂市場、能整合。若要進行排序，王之璘認為的優先順序為：懂技術(第一)、懂市場(第二)、能整合(第三)。
1. 技術的基礎理解(優先)：AI PM需要具備對AI相關知識的基本理解和評估能力，例如機器學習、深度學習、大型語言模型(LLM)或自然語言處理(NLP)等。重點不在於寫程式(Coding)，而是在於掌握AI的邏輯、技術原理及限制，做為規劃與開發之間的橋樑。這種理解能幫助AI PM評估產品的可行性、成本(例如Token的使用成本)，並丕確保產出內容的品質和語句的正確性。
2. 市場與商業思維(次要）：PM必需思考如何將想法產品化並且制定策略。AI PM必須具備商業思維，避免「為了AI而AI」。他們需要思考如何用AI吸引用戶，創造非用戶，甚至讓用戶願意付費。
3. 整合與溝通協作(基礎)：整合能力涉及評估AI是否可行，並與技術團隊順暢協作。AI PM在協作上，除了傳統PM面對的工程師和設計師之外，還需和資料科學家或研發單位密切討論深度學習模型的優化方向、正確率、品質校正與實驗內容。高效的溝通能力極為重要，AI PM需使用精確的技術術語與工程師溝通，以避免認知落差與時間浪費。
整體來說，AI PM對於技術理解的程度，必需能明確評估AI可以做到哪些功能、有哪些限制與風險，例如資料漂移或幻覺(AI產出不符合事實或使用者能力)的問題。如果AI PM了解這些限制，就能知道撰寫Prompt時，應該注意哪些地方。即便不會寫程式也沒有關係，但如果能理解基礎的程式架構、前端後端語言與限制，將會有助於與開發團隊進行更順暢的溝通。甚至在某些職缺中，AI PM需要具備利用AI進行Vibe-Coding的能力，透過與AI對話，來完成網頁基礎介面設計的能力。
AI PM的AI思維，創新探求與落地能力
AI思維比AI技術的理解更需要天分和時間投入。王之璘指出，所謂的AI思維，指的是，具備創新的想法，一方面用在改善PM本身的工作流程，另一方面，把AI技術深入落地到產品中，這就需要探索的能力和商業思維。優秀的AI PM不僅要從零到一把產品做出來，更強調如何從一到一百，讓產品能夠落地。
AI PM，年薪輕鬆逾百萬
王之璘認為，最厲害的AI PM，應該具備條件創新和強大的學習動機或好奇心。因為AI技術的發展日新月異，幾乎每週都有新的產品發表，AI PM必須像海綿一樣，持續更新知識。他們需要對市場具有極高的敏感度，能夠挖掘機會點。
反映在薪資，AI PM的月薪通常比傳統PM稍高！3到5年經驗的AI PM，月薪通常在五到六萬左右。8到10年經驗者，年薪則輕鬆破百萬，甚至達到150萬是常見現象。AI PM薪資比傳統PM高出兩到三成是可以想像的。
職涯轉型：從傳統PM到AI PM的路徑
對於現任的網站或PM想轉型為AI PM，最好的方式是在自己的工作中嘗試用AI思維改善流程，或利用Vibe-Coding產出設計網頁。若具備傳統PM的技能加上AI PM的基礎知識，轉型會相對簡單。
對於非傳統PM背景的人，建議從生活中探索從零到一的創新思維，關注生活中的痛點，嘗試利用UI/UX的改善或AI技術來解決問題，例如練習用ChatGPT或Vibe-Coding工具設計網頁，培養用AI解決問題的能力。
AI PM以專業學習取勝
PM的養成大多依賴自學與應用，國內缺乏專門的PM科系。王之璘的團隊成員背景非常多元，包含業務助理、行銷、前端工程師、客服甚至服務業。
AI PM若有以下的產業背景也會特別加分：
1.資訊業/軟體業：幾乎是最順暢的轉型路徑，因為具備豐富的產品知識、開發流程經驗(如瀑布流或敏捷式開發)、以及對於UI/UX的基礎認知。
2.金融業/會計領域：這些產業接觸的數據量大，更重要的是，他們擁有風險控管、法規遵循的背景。這使得他們在思考產品時，能夠更加嚴謹，也能快速學習複雜的商業邏輯，有助於控制成本並確保產品具體落地。
3.醫療背景：具備基礎統計知識和管理豐富病歷的經驗，有助於快速找到與AI協作的脈絡。
在科系背景上，資管、資工、電機、統計、數學等科系會稍有加分。資管或資工因為具備技術背景，能用相同的語言和工程團隊溝通。統計或數學背景則因系統思維能力強，能夠有脈絡的調校AI的學習方向。然而，一位頂尖優秀的AI PM，重點不在學位、也不是科系，而是能否將流程痛點或商業機會轉化為實際的規格，與工程師溝通，帶領團隊開發。
AI PM展現出色的溝通力，拉近技術與用戶的距離
AI PM是技術與非技術團隊之間的橋樑，需要具備出色的溝通協作能力。技術雖然重要，但只需達到理解和評估的程度，並不需要具備前端的研發能力。最關鍵的是，AI PM必須具備極大的學習動機、持續更新知識，並善於將抽象問題轉換為具體的產品功能來解決。
多數公司為了推動AI，提高專案效率或將AI轉化為商轉機會，對於具有AI思維和技能的PM，徵才的積極度會更高。對於有興趣轉職為AI PM的人，無需過度擔心自身背景或科系，反而應該更專注於知識學習、留意自身是否具備擁抱創新的人格特質。
[joblist_plugin title='更多104【AI產品經理相關】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI&order=15&jobcat=2004003009&page=3' amount='5']
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
AI計畫失敗率高達85％！企業轉型最容易誤入哪6大陷阱？管理者必讀的實戰策略
為何許多企業大張旗鼓投入AI計畫卻屢遭遇困境？麻省理工學院的專家們歸納出6大迷思，深入分析AI策略常見的誤區，並提供切實可行的管理策略，協助企業高效轉型，成為市場的領航者。
文／王穎皓 由Cheers授權轉載
本文導覽
迷思一：高估AI能力，「低垂果實」觸手可及迷思二：AI只是另一個需要部署的工具迷思三：理想化的工作流程勝過現實複雜性迷思四：試點專案就足夠，生產部署可以慢慢來迷思五：高層謹慎決策優於快速行動迷思六：只談技術，忽略人與組織文化的作用從工具思維到轉型思維：重塑企業AI策略以釋放潛力
在AI快速發展的時代，許多公司紛紛投入AI轉型，但不少領導人卻發現，雄心勃勃的AI計畫往往無法帶來預期的商業價值。
儘管多數企業都已經開始導入AI，卻仍面臨一個共同挑戰——AI專案無法帶來實際價值。從試點階段無法落地、跨部門合作卡關，到高層觀望、轉型停滯，這些問題讓原本看似前途光明的AI計畫，陷入困境。
今年麻省理工史隆管理學院（MIT Sloan School of Management）舉辦的CIO高峰會上多位頂尖專家的分享，企業在制定AI策略時普遍存在六大迷思，而這些認知誤區正是導致AI專案失敗的主要原因。
迷思一：高估AI能力，「低垂果實」觸手可及
許多企業領導者對AI能力抱持過度樂觀的期待，認為AI可以輕易解決各種商業問題。
麻省理工史隆管理學院的資深講師韋斯特曼（George Westerman）直言：「我現在看到領導者最常犯的最大錯誤，就是高估了AI的能力。」他特別提到，許多企業談論「低垂果實」概念，但實際上這些果實並沒有想像中那麼容易摘到。
管理實戰策略：建立漸進式發展路徑，先從小規模試驗開始，逐步建立組織的AI能力。設定實際可行的目標，並建立風險評估機制，避免一開始就訂定過於雄心勃勃的計畫。重要的是要認知到AI的局限性，並據此調整期望值。
迷思二：AI只是另一個需要部署的工具
許多企業將AI視為一般的軟體工具，認為只要採購、安裝、訓練員工使用即可。
Liberty Mutual Insurance執行副總裁暨資訊長卡爾達斯（Monica Caldas）指出：「我們可能會犯的一個錯誤是把AI當成一個需要實施的工具。」她強調，AI實際上是一個極具意義的轉折點，需要從根本上改變企業的運作方式。
管理實戰策略：將AI視為企業轉型的催化劑，而非單純的技術工具。建立跨部門整合團隊，從組織文化、流程設計到人員培訓等多個層面進行全方位的變革管理。重新檢視企業的提問方式、團隊協作模式，並投入大量資源推動組織變革。
迷思三：理想化的工作流程勝過現實複雜性
企業在規劃AI應用時，往往基於理想化的工作藍圖進行設計，而忽略了組織實際運作的複雜性。
Anthrome Insight創辦人暨執行長斯威夫特（Melissa Swift）觀察到：「領導者在制定AI策略時的另一個錯誤，是把AI插入一個理想化的工作藍圖，而非組織實際的工作流程。」
管理實戰策略：深入了解組織真實的工作流程，包括那些混亂、複雜且難以處理的部分。在設計AI解決方案時，必須考慮現實環境的限制與挑戰，而非基於理想化的假設。需進行詳細的工作流程分析，確保AI能夠在實際工作環境中發揮效用。
迷思四：試點專案就足夠，生產部署可以慢慢來
許多企業陷入永無止境的試點階段，卻遲遲無法將AI專案推向生產環境。
Babson College的達文波特（Thomas H. Davenport）教授指出：「AI領域的一大問題在於有大量的試點、概念驗證和實驗，但真正投入生產的項目卻不多。」他強調，只有將AI部署到生產環境中，才能真正獲得經濟價值。
管理實戰策略：建立明確的從試點到生產的轉換路徑，設定具體的時間表和里程碑。為每個試點專案制定商業價值評估標準，並建立快速決策機制，避免專案在試點階段無限期延長。同時，準備好生產環境所需的基礎設施和支援系統。
迷思五：高層謹慎決策優於快速行動
許多企業高層擔心AI帶來的風險，因此採取過度謹慎的態度，導致決策緩慢。麥肯錫合夥人梅耶（Hannah Mayer）發現：「員工在工作中使用AI的意願和興奮度是領導者預期的三倍。」她指出，高層團隊之間的意見分歧往往是阻礙企業有效運用AI的主要因素。
市場研究機構Gartner最近的研究顯示，目前AI相關的計畫失敗率高達85％。但這並非放棄推動AI專案的理由，反之，是要了解到，從導入AI到實際讓組織受益，需要一段適應期間，不太可能只啟動一個AI專案就期待馬上獲得成功。
管理實戰策略：建立高層共識機制，快速凝聚決策團隊的意見。認知到員工對AI的接受度和期待往往超出管理層預期，應該善用這股動能快速推動AI的應用，避免因過度討論而錯失執行先機。
迷思六：只談技術，忽略人與組織文化的作用
許多企業過度專注於技術層面，忽略了人員培訓、組織文化和風險管理等關鍵因素。
Ferrovial的資訊暨創新長邦托洛斯（Dimitris Bountolos）強調：「任何橫跨整個公司的轉型，最終都與『人』這個因素密不可分。」
管理實戰策略：建立科技、數據和人員三位一體的整合策略。投入足夠資源進行人員培訓和文化變革，並建立完善的風險評估和韌性恢復機制。認知到無法完全阻止所有風險，但可以建立快速恢復的流程和系統。
從工具思維到轉型思維：重塑企業AI策略以釋放潛力
Flipt的總裁暨技術長古普塔（Vipin Gupta）提出了一個重要觀點：「思考AI時常見的一個錯誤，就是把它當成一個工具或技術。AI其實是一種全新的工作方式和運作模式。」
企業應該先了解AI的能力與潛力，而非急著用AI解決問題，卻沒有先問清楚AI能做什麼。這種缺乏好奇與探索精神的做法，往往限制了AI的真正潛力。
成功的AI策略需要系統性思維
企業要成功導入AI，必須跳脫這六大迷思，採用更加系統性和全面性的策略思維。
AI不僅是技術革新，更是組織轉型的催化劑。企業領導者需要在技術能力評估、組織變革管理、人員培訓、風險控制等多個層面進行整合規劃。
更重要的是，企業必須認知到AI導入是一個持續的學習過程，需要在實作中不斷調整和優化。只有避開這些常見陷阱，建立實際可行的期望值，並投入足夠的資源進行全方位的變革管理，企業才能真正發揮AI的潛力，創造可持續的商業價值。
在AI快速發展的時代，那些能夠避免這些迷思、建立正確AI策略的企業，將在激烈的市場競爭中占據優勢地位。
（參考資料：MIT Sloan、WSJ、Forbes）
（原文標題：公司導入AI的失敗率高達８５％？領導者都該避開的６大迷思：別太高估AI能力）
延伸閱讀：
AI 是想像的世界，在這個世界你想選擇怎樣的職涯？｜查特普拉斯管顧公司 吳承穎
AI時代的資工人何去何從？專家：向「文組」取經是條出路
金融業導入AI 跳躍式成長…運用生成式技術業者比例大增
AI會讓中階主管的工作消失嗎？５大不被取代的新型能力
誰該為AI新同事負責？國際兩大調查：人資將成為「Agent Boss」
🔥天下學習7月客座學習長李正屹：人人都該會銷售的世代！獨創一套「兩好三Why」的銷售策略，帶你學超級業務力
前端工程師是什麼？薪水怎破100萬？完整攻略，附：台積電前端工程師工作心得
前端(Frontend)： 給人看的（介面、使用者體驗），網頁的畫面、按鈕、圖片、排版。
前端 (Frontend)是什麼？
這是使用者直接與之互動的部分，包括網頁的設計、佈局和內容。前端開發使用的技術包括HTML、CSS和JavaScript。
舉例來說：當你打開 104人力銀行，看到的畫面就是前端工程師控制的，包含不同裝置的畫面呈現～從電腦、平板或手機觀看，都是前端工程師需要留意的。
重要元素舉例
搜尋欄：讓你輸入「軟體工程師」並按下搜尋
職缺列表：顯示各種公司和薪資範圍
登入按鈕：點擊後彈出登入視窗
應徵按鈕：點了之後，系統會幫你送出履歷
前端工程師的薪水與薪水天花板
台灣整體而言前端工程師薪水中位數落在66.8萬~81萬間，天花板推估是91.3~101.6萬。
工作年資年薪中位數推估薪水天花板職缺1年以下66.8萬94.1萬1~3年71萬91.3萬3~5年78.1萬96.7萬5~10年81萬101.6萬資料來源 104薪資情報 有效樣本：575 資料更新：2025年02月10日
如何突破前端工程師的薪水天花板
選擇對的公司/產業
選擇薪水中位數高的公司：上市櫃公司年薪中位數、外商公司，公司獲利能力好，自然同樣的時間成本，能有更好的薪水保障。
選台灣重點產業：半導體業、科技業、金融業
台積電前端工程師工作心得
以下為講座精華節錄
薪水區間？年薪約30個月，新鮮人月薪約6萬。
加班很兇嗎？加班時數看跟的專案，配合專案前進。去年自己未超過100小時
公司內用的語言較多，不同的系統專案或對接的單位不同，要學習不同的語言
怎麼進台積電？平常就有寫技術部落格、每年參加IT鐵人賽、在104經營個人品牌(SEO權重優)
同事都是哪些人？（免費領取台積電工作心得與QA精華）
看懂遊戲規則：深耕5大能力，擁有更多選擇權
1.技術能力（Technical Skills），能否寫出高品質、可維護、效能優化的前端程式，並快速學習新技術應用在工作上，也能夠帶領內部技術前進（內部 Tech Talk 或自建部落格）
程式品質：乾淨、結構清晰、DRY、KISS、SOLID
效能最佳化：頁面載入時間、CDN快取、前端壓縮技術、降低不必要的 re-render
技術廣度與深度：獨立處理 CSS、JavaScript、框架（React, Vue, Angular）等核心技術、熟悉 TypeScript、State Management（Redux, Vuex）、處理前端安全問題（如 XSS, CSRF, CORS）
2.產品與專案影響力（Project & Product Impact），能有效率地完成任務，並確保產品的品質，過程中主動優化現有系統，提出新的技術方案，提升開發效率。
專案完成度：照時程交付、主動發現並解決問題、處理緊急問題
產品價值：功能是否真的提升了使用者體驗、A/B 測試或數據分析、減少技術債，提高長期維護性
3.開發效率（Development Efficiency），高效產出高品質的程式，主動提出更有效率的開發工具或流程，寫出自動化測試（如 Jest、Cypress），減少回歸測試時間。
時間管理：需求評估準確度、根據需求合理拆分任務，安排優先順序
程式碼管理：Pull Request（PR）清楚易讀、Code Review 積極參與給出建設性回饋
Debug 能力：利用 Log、DevTools、Profiler 進行高效率的問題解決
４.團隊合作與溝通（Collaboration & Communication），與其他工程師、PM、設計師、QA、數據分析師等合作單位順暢合作。指導新人、撰寫開發文件，幫助團隊快速上手。
跨部門溝通與 PM 討論需求，提供技術可行性建議與設計師合作，確保 UI/UX 最佳化與後端工程師協作，確保 API 串接順暢Code Review幫助同事提升程式碼品質接受別人的建議，改進自己的程式碼主動性主動提出問題或改善建議在團隊會議中有效表達技術方案前端工程師 團隊合作與溝通的重要性
5.創新與影響力（Innovation & Leadership），完成自己的工作外，帶來更大的影響。有能力也主動推動團隊技術決策，如選擇新框架、優化開發流程。
技術創新：引入新技術來提升開發效率、開發內部工具，幫助團隊節省時間
技術影響力：技術社群內分享知識、開源專案或貢獻
技術領導：在團隊中擔任技術導師、帶領技術專案
關鍵重點：績效不只是寫多少行程式，而是對產品和團隊的影響
開發速度：平均完成一個 Story（使用者故事）的時間
Bug 數量：新功能上線後的 Bug 率
PR 參與度：Code Review 的次數與回饋價值
前端效能：Google Lighthouse 分數、First Contentful Paint（FCP）
使用者行為變化：某個 UI 改版後，點擊率是否提升？
能力方法技術能力深入學習前端框架、優化效能、提升可維護性產品影響力確保開發的功能有助於提升使用者體驗開發效率提高 Debug 能力、善用自動化工具團隊合作提高溝通能力、參與 Code Review、幫助同事創新影響力參與技術社群、提出技術改進方案前端工程師的5大能力
前端用的技術
HTML 負責畫出網頁結構（像骨架）
CSS 負責排版與設計（讓它變美）
JavaScript 負責互動（讓按鈕能點、內容會變）
框架和庫：如React、Vue.js和Angular，這些工具可以幫助你更高效地開發複雜的應用程式。
響應式設計：確保網站在各種裝置上都能良好顯示，通常使用CSS框架如Bootstrap。
版本控制：如Git，用於管理和協作開發
前端工程師主要合作的夥伴
1. 後端工程師（Backend Developer）
👉 負責提供 API，讓前端能夠拿資料，確保功能運作
合作範例：你要做一個「應徵按鈕」，但這個按鈕要能讓使用者點了後，系統能自動送出履歷，這時候前端需要跟後端拿 API。討論 API 的格式：你問：「我這邊需要傳哪些資料才能應徵？」後端說：「你傳 user_id、job_id 給我，我幫你送出履歷」你：「那回應結果是什麼？我要顯示成功或失敗」後端：「如果成功，我回 status: success，失敗的話會給錯誤碼」💡 前端 + 後端 = 讓網站不只是畫面，而是能「動」起來！
3. 產品經理（PM, Product Manager）👉 負責規劃產品功能，確保開發方向符合商業目標合作範例：你做完了「應徵按鈕」，但 PM 突然跟你說：「我們希望這個按鈕能讓用戶自訂求職信」這時候你得確認：「這功能會影響到後端嗎？需要修改 API 嗎？」「這會不會影響現在的 UI 設計？」「會不會讓使用者體驗變得更複雜？」💡 前端 + PM = 確保開發出來的功能，真的是「使用者需要的」！
4. 測試工程師（QA, Quality Assurance）👉 負責測試系統，確保功能正常、不出 Bug合作範例：你開發完「應徵按鈕」，但 QA 測試時發現：BUG 1： 在 iPhone 上點擊按鈕沒反應？BUG 2： 送出履歷後沒有顯示成功提示？BUG 3： 按太快的話會連送兩次履歷？💡 前端 + QA = 確保使用者「真的能順利使用」功能！
5. 數據分析師（Data Analyst）👉 負責分析使用者行為，讓前端能做出更好的優化合作範例：你做了一個「首頁推薦職缺」功能，但數據分析師告訴你：「這個區塊的點擊率只有 5%！」 → 代表 UI 可能需要調整「使用者停留時間太短」 → 可能要加上動畫或更清楚的標題「A/B 測試顯示紅色按鈕比藍色好」 → 你需要調整設計💡 前端 + 數據分析師 = 讓 UI/UX 變得更直覺、更有效！
6. 運維/系統工程師（DevOps / SRE）👉 負責網站伺服器的運行與最佳化合作範例：你的前端代碼已經寫好了，現在要部署到正式環境可能遇到的問題：網頁載入速度太慢？ → DevOps 可能會幫你設定 CDN 加速按鈕點擊後沒反應？ → 可能是伺服器資源不足，需擴充某些用戶看不到最新版本？ → DevOps 需要清理快取💡 前端 + DevOps = 確保你的程式能「穩定、安全」地運行！
夥伴主要合作內容影響前端的地方後端工程師提供 API，讓前端可以拿到資料決定資料怎麼傳遞UI/UX 設計師設計畫面，確保用戶體驗影響網頁排版、按鈕設計產品經理（PM）決定功能需求與優先順序決定要做什麼、怎麼做測試工程師（QA）測試功能，找出 Bug確保程式正常運行數據分析師提供使用者數據，幫助優化 UI影響 UI 設計與功能調整運維/系統工程師（DevOps）負責部署、效能優化確保網站運行順暢前端工程師的合作夥伴
盤點20大職場必備AI工具！專家：未來9成工作者都須懂AI
AI正逐漸改變企業生態，在人才缺口愈來愈大的情況下，未來將有高達90%的人需要具備AI素養，就像使用辦公室軟體一樣，成為工作者人人必備的技能。本文解析「10種工作情境、20大好用AI工具」，以及企業如何投入數位轉型和人才培育。
文／林麗珊 由天下雜誌授權轉載
本文目錄（點擊可快速前往）
找到應用場景，幫「人」解決問題未來職場：九成工作者都必須懂AI10種工作、20大好用AI工具盤點
從高科技、資通訊到傳統產業，都爭相投入數位轉型和人才培育，提升員工與AI協作的能力，讓愈來愈昂貴又稀少的人力，做更有價值與創造性的工作。
生成式AI帶來的改變，被喻為第四波工業革命，不管是生產力提升、還是工作與生活方式的改變，都衝擊著企業經營的外在環境。面對這場可能長達十年的AI轉型馬拉松，企業該如何自我準備，帶領員工共同迎向未來，成為首要挑戰。
Google Cloud與人工智慧科技基金會合作發布《台灣企業AI準備度調查報告》，指出企業AI準備度分為五大面向：數據力、創新力、技術力、治理力、運算力。各項指標中，與組織調整、人才培育相關的分數幾乎都墊底。
即便近七成的企業表示，員工對AI的知識了解程度偏低，但僅5.9%的企業在未來三年將優先投入資源在人才招募或培訓上。
（圖／由天下雜誌授權轉載）
協助企業訓練安全AI模型的台灣人工智慧實驗室創辦人杜奕瑾觀察，相較於生成式AI出現以前，現在台灣企業的成熟度逐漸提升，「大型企業愈來愈知道自己需要什麼樣的AI解決方案，人才也需要升級，擁有相應的能力。」
根據104網站的統計，目前市面上約有2.9萬個AI人才相關職缺，年成長7%左右，但呈現產業分布不均衡的現象。
對於AI資本投入和數位化程度更高的半導體業、高科技製造業，以及以數據和服務為基礎的資通訊產業，最缺乏AI人才，這代表技術力的領先，而這些產業也處在領跑的位置。
人工智慧科技基金會連續兩年的「台灣產業AI化大調查」，發現台灣企業僅三成在內部啟動AI專案，其中資通訊產業整體分數領先，與傳產及政府部門的落差巨大。
找到應用場景，幫「人」解決問題
生成式AI的出現，讓企業與員工都產生了危機感，有愈來愈多企業站上轉型的起跑線。
2018年，鉅鋼機械管理部經理簡光正就是第一批到人工智慧學校上課的中部傳產資訊主管，當時他就看見AI可能帶來革命性的改變，但他也深刻感受到，即使生成式AI出現，在傳統製造業中仍然很難找到應用場景。
例如，生成式AI目前經常被應用在聊天機器人的客服，但生產製鞋工具機的鉅鋼，產線問題複雜，機台故障的原因千百種，很難單純依靠AI客服解決。
「客戶花了一、兩千萬買機台，不太可能只靠AI問答就解決問題，客戶不會信任，一定會打電話來問，」簡光正說，在效益不高的情況下，目前只能先從改善營運效率中找AI應用場景，還沒辦法導入核心產線。
反觀另一間傳產亞東預拌混凝土，則是為了求生存，大力投入數位轉型，針對人才進行培育，改善整體生產流程。
「我們資源有限，不能為了AI而AI，一定要拿來解決人遇到的問題，」亞東預拌總經理金崇仁說。
2020年，金崇仁擔任亞東預拌混凝土總經理，當時公司獲利長年都在及格邊緣，他認為這並非永續經營之道，決定展開全面數位轉型，提升整體營運效能。
過去水泥業必須大量靠人力管理原物料，既費時、高危險、也不精準。砂石原料易受天氣影響，每日含水量不同，配方也需要相應調整，廠內員工還要每天爬上14層樓高的桶槽，以測量料槽內的原料狀況與存量。
年屆70的金崇仁，仍然有著強烈的學習心與求知慾。他看到科技廠應用無人機做廠區的巡檢，便主動去考無人機操作執照，挽起袖子親手實作。
現在亞東預拌在全台20個廠區，桶槽上都裝有智慧感測裝置，能即時監測並回傳桶槽內原料數據，還能透過無人機紅外線感測裝置，來判斷桶槽內的膠料狀況。
「數位轉型一定是人才優先，」當金崇仁決定著手調整公司體質時，他主動帶領50名高管與數位轉型團隊，報名人工智慧學校經理人專班，完整參與為期14週的課程，團隊回到公司後，開啟了26件數位轉型專案。
在亞東兩年半的數位轉型旅程中，軟體與人才的支出，甚至超越硬體支出，其中對於人才培育的投資佔比超過七成。不過，這也使公司整體獲利成長達到74%，逐步展現數位轉型的成效。
未來，混凝土廠產線上的人力將大量減少運用體力與高危險工作，而是在監控室判讀數據，並即時操作、調整混凝土配方，達成更高效的精準生產。
未來職場：九成工作者都必須懂AI
AI正逐漸改變企業生態。長期培育產業AI人才的台灣人工智慧學校校務長蔡明順分析，生成式AI重新定義了人們的工作內容與人機互動、協作模式。
在人才缺口愈來愈大的情況下，未來將有高達90%的人需要具備AI素養，就像使用辦公室軟體一樣，成為工作者人人必備的技能。
AI素養包括了解AI的原理與使用、評估應用場景、AI規範與倫理等，唯有真正了解AI的能力與限制，才能有效提升生產效率。
尤其是知識工作者、技術工作者，在與AI協作時，必須結合產業的專業知識，才能驗證AI的正確性。因此，如果企業需要深入導入AI工具，甚至啟動全面AI轉型，一定得先提升內部員工的能力，並將AI人才培訓納入策略規劃中。
人工智慧科技基金會技術處總監張嘉哲建議，尚未起步的企業，應先盤點自身的業務流程，梳理清楚有哪些會產生資料的節點後，再規劃應用場景，並針對業務同仁進行培力、舉辦內部競賽、促進跨部門合作等，撒下種子，啟發有潛力的人為企業帶來改變。
「導入AI其實也在為未來缺工的情況做準備，」國泰人壽數據暨人工智慧發展部協理莊淑儀說，AI不會取代人的專業，但是可以簡化重複性工作，讓愈來愈昂貴的人力，做更有價值與創造性的事業。
企業希望擁抱數位轉型，帶領員工共同前行是關鍵挑戰。如果只懂得技術，缺乏產業的背景知識，將很難發揮創意、解決工作的痛點。
在這場數位轉型的人才大戰，培養最了解流程的一線員工共同成長、轉型，是企業必備核心競爭力。
10種工作、20大好用AI工具盤點
工作AI工具特色網址1. 機器人聊天ChatGPT摘要、產文或代碼等廣泛任務，支援語音對話https://chatgpt.com/Claude擅長長篇內容理解及分析，適合複雜任務https://claude.ai/2. 研究、資訊蒐集Perplexity即時連網整合多方資訊，生成內文附資料來源https://www.perplexity.ai/Consensus針對研究文獻的搜尋引擎，可直接生成文獻回顧https://consensus.app/3. 文案寫作Writesonic多種SEO功能，提供快速或多步驟的文章模板https://writesonic.com/Copy.ai提供多種用途的寫作模板，適合創意或行銷文案https://www.copy.ai/4. 圖像生成Midjourney根據文字或圖片生成風格的圖象，藝術風格強https://www.midjourney.com/Stable Diffusion可根據需求調整多種參數，創造專業的視覺效果https://stablediffusionweb.com/5. 圖片編輯Adobe Photoshop整合修圖、改圖等功能，適合專業影像編輯https://www.adobe.com/Pixlr具備圖像生成及設計功能的圖片編輯器https://pixlr.com/6. 影片製作Runway高保真的影片生成與編輯，可根據真人生成動畫https://runwayml.com/Descript文字驅動的影片編輯器，修改逐字稿可編修影片https://www.descript.com/7. 音樂／音效製作Suno可根據文字生成人聲或純音樂歌曲並生成歌詞https://suno.com/Stable Audio高度客製化的音樂生成工具，歌曲可達3分鐘https://stability.ai/stable-audio8. 文件處理Gamma根據提示輸入需求，即可快速生成簡報https://gamma.app/zh-twNotebookLM整合多種內容到筆記本，以獲得限制來源的回應https://notebooklm.google/9. 數據分析Julius AI含文獻回顧、數據清理及統計功能的分析工具https://julius.ai/Polymer以對話方式分析數據、生成儀表板、見解與建議https://www.polymersearch.com/10. 程式開發GitHub Copilot即時建議和自動補全程式碼，支援多種程式語言https://github.com/features/copilotCursor用文字對話創建代碼、開發應用的程式碼編輯器https://www.cursor.com/研究整理：伍芬婕（由天下雜誌授權轉載）
（圖／由天下雜誌授權轉載）
（原文標題：20大必備AI工具大盤點 AI時代新職場，如何解放自己的時間與創意？）
推薦閱讀：
AI時代如何提高競爭力？世界經濟論壇：最須具備的10種關鍵能力
用ChatGPT準備面試練習！AI履歷撰寫和模擬面試必學指令
億萬富翁：我拒絕來往的兩種人
跟老闆搭同班電梯也不怕的閒聊法：只需要說3種話，其他都是廢話
年輕人真的只想躺平嗎？Z世代不得已的「精緻窮」背後原因
為什麼IBM頻繁輪調、員工技能卻能快速到位？全靠「一張Excel表」掌握技能樹
你們公司會職務輪調嗎？在台灣IBM，有人一年換3個部門、有人3年換5個職務，「內部輪調」是他們的工作日常。面對市場快速變化，工作輪調是企業應戰的必要手段，例如當使用者體驗興起時，設計部門便因應而生；當雲端與AI成為趨勢時，人員也須立刻到位。不過，企業要如何確保員工技能以便快速調度？IBM全靠一張Excel表。
文／李佳樺、劉鳳珍 由Cheers授權轉載
有「經驗」代表有「技能」嗎？僅憑過去結果判斷未來人才發展，在快速變動的市場更容易失準，IBM如何用一張Excel表，攤開員工的技能圖？
面對市場快速的變化，職務輪調已成企業保命應戰的必要管理手段。
「我曾經一年就換了3個部門。」台灣IBM諮詢合夥人暨業務轉型服務群負責人高愈惠分享自己的經歷。另一位諮詢顧問協理曾華彥則在短短3年間，轉換了5個職務。
台灣IBM的同仁，對頻繁地職務調動早習以為常。
顧問業的生意以客戶專案為核心，哪個產業有商機，組織就立刻對應調整，例如當使用者體驗興起時，設計部門便因應而生；當雲端與AI成為未來趨勢時，人員的調度也須立刻到位。
但面對客戶需求又快又急，企業要如何確保員工技能的「存量」足夠，以便能夠快速調度？
一張Excel表拆解顧問技能
IBM的做法是將每個職位所需技能，逐一定義，並發展出以技能為單位（Skills-based）的組織架構。
以顧問職務為例，上面密密麻麻列出顧問部門近百種職位（Job Role）、上千項職位專長（Specialty）與相應的技能組合（Skills set），清楚定義。此外，不同技能的含金量（Premium Type）也一清二楚。這份表單含會隨著市場、專案變化，定期更新。
以表中專案經理的職位為例子，同職位（Job Role）可以拆分出不同的專長（Specialty）。例如有人的專精是微軟系統、有人專精SAP的ERP系統。這兩位專案經理，會有共通的技能如溝通、談判等，也會有各自有別的技能強項。
在美國、歐洲、中國等員工數更多、規模更大的地區，顧問敘薪會參考專長的「成熟度分級」作為判斷指標之一，同樣職等不一定領一樣的薪水。
透過這一張定義清楚的表單，每位員工所具備的技能，無所遁形。企業一旦要調度人員、儲備人才、指派培訓，都有清楚依據，也相對可以減少員工對主管「主觀好惡」的臆測。
例如，如果A部門最近案量少，主管可以指派同仁去學習新興的產品技能；員工如果想轉調業務，則可以在了解業務需要哪些技能下，先在專案經理的職務上，參與公司培訓，取得所需的認證，不用立刻與公司分道揚鑣。
這套系統也有利於促進員工自我賦能，而不是公司開一大堆課，到頭來卻被員工覺得強迫學習。
聚焦技前瞻性，不僅憑績效表現選才
IBM會定期公布公司看重的市場稀缺技能，並透過舉辦競賽、活動，鼓勵員工學習，學習成果也與績效評估連結，每位員工一年至少要達成40小時的學習時數。高愈惠是忙碌的高階主管，2024年8月底就已經達108小時，而且像她一樣超標的同仁不在少數。
在IBM的學習平台上，透過徽章（badge）認證每一個人的學習、成長紀錄。台灣IBM諮詢金融產業顧問協理鄒淑芳曾被主管指派，一項預算規模超過她職級可以處理的專案，她為此而去上資深PM都會想拿的「Experienced PM Badge」課程，學習專案管理方法論，但並非上完課就能獲得這項獎章，還有其他嚴苛的條件。
鄒淑芳花了6年累積專案、導師經驗，最後獲得這項獎章才晉升到下一個職等，「這是我拿過最印象深刻的 Badge（獎章）。」鄒淑芳興奮的說。
IBM對技能重視的嚴謹度，從一件小事可以看出。
大部分企業多認為，只要是主管就「應該」會面試，自己去篩出適任人選，但IBM的主管必須先通過內部訓練考核，取得面試獎章後，才有資格上陣。
「這是IBM正在推動skills as currency（技能即貨幣）的概念， 」台灣IBM人資長邱纓琇說，當技能與績效、升遷串連，學習技能的價值也跟著提高，進而改變整個公司選材的思維。
邱纓琇說：「過去選人的做法，可能是印象中這個員工績效表現好就升他。在IBM，主管要思考公司未來要發展的核心技能是哪些？我如何投資擁有這些技能的人才讓他們一直留在公司？」
換言之，如果以前主管拔擢人才的標準是放在對「人」的主觀評價上，看的是他的過去，往往會疏忽了未來所需技能的重要性。尤其在人才稀缺的今天，聚焦「技能」的專業度高低、市場前瞻性，才是有機會把人才效能變大的睿智做法。
IBM也鼓勵員工攤開自己的職務「蜂巢圖」，讓員工面對下一個晉升職位，有更清晰的成長方向，同時配合課程推薦，儲備未來技能。下圖便是高愈惠和下屬分享自己的蜂巢圖。
透過技能為核心的管理模式，過往學歷、資歷的重要性也開始降低。IBM全球有20％的員工沒有大學學歷，就是憑藉技能說話。在2024年兩千大企業人資長的調查，也呼應此一趨勢 —學歷重要性下降，專業技能開始上升。
你的技能存量足夠面對未來變化嗎？你的團隊當前的技能存摺，足以面對產業變化嗎？加速發展技能，將是人才管理最重要的課題。
（原文標題：IBM全球２０％員工沒大學學歷！他們用「一張表」看出員工技能強項）
推薦閱讀：
當專業技能遇上生成式AI，你會因此變更強、還是被取代？一圖看懂你與AI的距離
2025年「數據／資料工程師」12個必備技能、推薦職缺、證照進修
【上篇】2025台灣人才技能落差總體檢：「技能」已取代缺人成企業最大痛
【下篇】2025台灣人才技能落差總體檢：逾三分之一工作人正偷偷用GAI
「商業知識百科」隆重推出：近100個商業詞庫，免費全公開使用！全台最完整Ｘ各專家審閱
有任何收穫或想分享的，都來和大家一起聊聊吧！