【11/16（一）開課｜台北５日實體班】ISO13485：2016 醫療器材品質管理系統 (MD QMS)主導稽核員訓練課程 (IRCA編號：2428 PR 369)
104學習
Clinical Data Management
負責臨床試驗中所有數據的收集、整理、校驗與管理，確保資料的完整性與準確性，以符合法規和研究需求。這項技能能有效減少錯誤，提升試驗結果的可信度，對醫藥研發及醫療器材驗證至關重要。具備此能力者通常熟悉資料庫操作、數據清理流程及相關法規，能協助團隊順利完成臨床研究階段，促進新藥或新技術的上市。
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
PDCA專案管理優化術
【直播】功能性認知概論：認知障礙者的臨床治療指南 (上)
10/24、25、31、11/1場【實體課程】長期照顧居家督導人員專業課程（Level II）－台南場｜長照積分課程
PMI-ACP 敏捷專案管理師認證暨實務課程
【績效管理-入門】企業績效目標設定及評估
AI 商業數據與工作應用實戰：分析、報表與決策支援【09/30】
【直播】功能性認知概論：認知障礙者的臨床治療指南 (下)
卓越績效管理與提升
精選證照
考取專業證照，讓能力被市場看見
SSE Data Analysis Using Excel
隨著大數據的氾濫及電腦計算速度快速地成長，藉助套裝軟體快速分析資料來提升決策速度與品質，幾乎是全民運動了。也因此在許多資訊發達的國家，尤其是美國，造就了大量資料分析家(Data Analyst)的職缺需求。使用Microsoft Excel軟體來進行資料分析的能力。是提供國際大企業獵才的參考，並取得資料分析師的入場券。
Silicon Stone Education (SSE)
IBM DB2 Information Management
IBM DB2 Information Management證照驗證持有者具備使用IBM DB2資料庫管理系統進行資料庫設計、安裝、配置及維護的能力，能有效管理大型資料庫環境，確保資料安全性與完整性，並能運用SQL語言進行資料查詢與操作，提升資料庫效能與系統穩定性，適合從事資料庫管理、資料分析及系統開發相關工作。
IBM
SSE Data Power Today國際認證
統計是目前處理不確定性最成熟的一門科學，俱備良好的統計知識，透過統計方法的整理與分析就能有效快速地將資料轉成一種數據資訊，進而提升決策品質與商業價值。具備基本的統計分析能力，有助於爾後適切的使用各種的高等統計方法，提升對於未來的決策分析與品質，也有助於職場上之所需。
Silicon Stone Education (SSE)
SSE Big Data Database: NoSQL國際認證
大數據盛行之後，分散式系統成為IT行業的顯學。相對於傳統的關聯式資料庫，NoSQL其分散、非結構化、支援Hadoop、記憶體中處理以及支援MapReduce的特性，在全球各大行業都相繼採用。除了IT及網路業的巨頭(Google, Facebook, Amazon, Microsoft)、其它各行各業如Walmart, Samsung, Comcast也完全投入。可支撐起整個公司的資料儲存、分析、倉儲、串流、即時分析、商業智慧等任務。
Silicon Stone Education (SSE)
SSE Big Data Infrastructure：Hadoop國際認證
要學會大數據的第一步，就是要知道如何從許多的資料來源中存放及處理，而Hadoop就是這樣子的工具。世界500大企業都使用的處理引擎，目前已經成為主流，如果你要跨進大數據的世界，第一個要學的一定是Hadoop。
包括了Hadoop的完整觀念、組成元件、生態系統、重要開發觀念，以及架設維護時的完整考量。通過了本測驗，您將具備處理Hadoop的基本能力，並且可進一步學習Hadoop進階功能。
Silicon Stone Education (SSE)
醫學資訊管理師
負責規劃、管理與維護醫院資訊系統，協助醫護人員進行醫療業務，進而提升醫院服務品質。而台灣醫學資訊學會每年會舉辦醫學資訊管理師／分析師的證照考試
台灣醫學資訊學會
精選貼文，掌握第一手知識
策略管理（Strategic Management）高苑科技大學企管系 管理學
第八章 策略管理（Strategic Management）高苑科技大學企管系 管理學
本章學習目標
修習完本章後，學生應能：
1. 說明策略管理的概念與重要性
2. 掌握策略制定、實施與評估流程
3. 了解 SWOT 分析、五力分析等策略工具
4. 認識現代企業策略趨勢與實務應用
第一節 策略管理的概念
一、策略管理的定義
策略管理（Strategic Management）是指組織為達成長期目標，對內部資源與外部環境進行分析、制定策略、執行策略，並持續評估與調整的全過程。
核心概念：
1. 長期目標（Long-term Goals）
2. 組織資源與能力（Resources & Capabilities）
3. 環境分析（External Environment）
4. 策略實施與控制（Implementation & Control）
二、策略管理的重要性
1. 確保組織方向清晰
2. 提升競爭優勢與績效
3. 因應快速變化的市場與環境
4. 整合資源與能力，提高效率
第二節 策略管理流程
策略管理流程通常分為三大階段：
一、策略分析（Strategy Analysis）
• 目標：了解組織內部優勢與劣勢，分析外部機會與威脅
• 工具：
1. SWOT 分析（Strengths, Weaknesses, Opportunities, Threats）
2. 五力分析（Porter’s Five Forces）
3. PESTEL 分析（Political, Economic, Social, Technological, Environmental, Legal）
二、策略制定（Strategy Formulation）
• 根據分析結果，設定長期目標並選擇競爭策略
• 常見策略類型：
1. 企業層策略（Corporate-Level Strategy）：多事業組織如何分配資源
成長策略（Growth Strategy）
穩定策略（Stability Strategy）
收縮策略（Retrenchment Strategy）
2. 事業層策略（Business-Level Strategy）：單一事業如何競爭
成本領導（Cost Leadership）
差異化（Differentiation）
專注策略（Focus Strategy）
3. 功能層策略（Functional-Level Strategy）：各部門如何支持企業策略
行銷策略、研發策略、人力資源策略
三、策略實施與評估（Strategy Implementation & Evaluation）
• 策略實施：
o 分配資源、設計組織結構
o 制定績效指標，激勵與溝通
• 策略評估與控制：
o 持續監控績效與環境變化
o 調整策略以保持競爭優勢
第三節 策略分析工具
一、SWOT 分析
• 內部因素：優勢（Strengths）、劣勢（Weaknesses）
• 外部因素：機會（Opportunities）、威脅（Threats）
• 目的：找出組織可利用資源與需改進的領域
二、波特五力分析（Porter’s Five Forces）
• 分析行業競爭結構：
1. 供應商議價能力
2. 顧客議價能力
3. 潛在進入者威脅
4. 替代品威脅
5. 現有競爭者競爭強度
三、PESTEL 分析
• 分析宏觀環境對組織的影響：
o 政治（Political）、經濟（Economic）、社會（Social）
o 科技（Technological）、環境（Environmental）、法律（Legal）
第四節 策略類型與選擇
一、企業層策略（Corporate-Level Strategy）
1. 成長策略：擴張市場或產品線
2. 穩定策略：維持現有市場與績效
3. 收縮策略：裁減非核心業務或退出低效市場
二、事業層策略（Business-Level Strategy）
1. 成本領導策略：以最低成本獲取市場優勢
2. 差異化策略：提供獨特價值，吸引特定顧客
3. 專注策略：針對特定市場或產品細分
三、功能層策略（Functional-Level Strategy）
• 各部門策略支援企業與事業層策略
• 例子：
o 行銷：市場擴張、品牌建立
o 研發：創新產品開發
o 人資：人才培育與激勵制度
第五節 策略執行與績效評估
一、策略執行關鍵因素
1. 資源分配：人力、財務、技術等
2. 組織結構設計：確保策略落地
3. 領導與文化：塑造支持策略的文化
4. 激勵與績效管理：確保員工行動一致
二、策略績效評估工具
1. 財務指標：收益、利潤率、成本控制
2. 非財務指標：市場占有率、客戶滿意度、創新成果
3. 平衡計分卡（Balanced Scorecard）：財務、顧客、內部流程、學習成長四面向
第六節 當代策略管理趨勢
1. 動態策略管理：即時調整策略應對市場變化
2. 全球化策略：跨國市場資源整合與競爭
3. 創新與數位化策略：以科技創新提升競爭力
4. 永續策略：重視社會責任、環境永續與倫理
5. 敏捷策略（Agile Strategy）：快速反應市場與客戶需求
PMO專案管理辦公室(Project Management Office)，主要類型、職責有哪些？
PMO（Project Management Office，專案管理辦公室）是一個在組織內部負責標準化專案管理流程、提升專案執行效率以及確保專案成功的部門或團隊。PMO的具體職能和職責可能因組織的規模、行業及需求而有所不同，但其核心目標通常是提供支援、指導和監控，以促進專案的有效管理和實施。
► PMO的主要類型
根據其功能和影響範圍，PMO可以分為以下幾種類型：
1. 支持型PMO（Supportive PMO）
- 特點：提供專案管理的模板、工具和最佳實踐，主要依賴專案經理自主使用這些資源。
- 適用情境：組織中專案管理需求較為靈活，專案經理具有較高自主權和經驗。
2. 控制型PMO（Controlling PMO）
- 特點：除了提供工具和模板外，還設立標準和指南，並要求專案遵循特定的管理流程。
- 適用情境：需要在專案管理上保持一定的一致性和標準化，但不需要全面控制。
3. 指揮型PMO（Directive PMO）
- 特點：直接負責專案的管理，指派專案經理並全權控制專案執行。
- 適用情境：組織內專案數量多且複雜，需要中央集權式的管理和控制。
► PMO的主要職能與職責
1. 標準化專案管理流程：制定和維護專案管理的標準、流程和方法論，確保全公司專案管理的一致性和高效性。
2. 提供專案管理工具和資源：提供專案管理軟體、模板、報告工具等，幫助專案團隊更有效地計劃、執行和監控專案。
3. 專案支援與培訓：為專案經理和團隊成員提供培訓、指導和支援，提升他們的專業能力和管理技能。
4. 專案監控與報告：追蹤專案進度、成本、風險等關鍵指標，並定期向高層管理層報告專案狀況，確保專案按計劃進行。
5. 資源管理：協調和分配組織內的資源（人力、財務、設備等），確保專案能夠獲得所需的支持。
6. 風險管理：協助專案識別、評估和管理風險，制定應對策略，減少專案失敗的可能性。
7. 績效評估與改進：評估專案的成功率和績效，分析失敗原因，並持續改進專案管理流程和方法。
► PMO在組織中的重要性
1. 提升專案成功率：通過標準化流程和提供專業支援，減少專案失敗的風險，提高專案按時、按質、按預算完成的可能性。
2. 增強組織透明度：提供全面的專案狀況報告，讓高層管理層能夠及時了解專案進展，做出明智的決策。
3. 促進資源優化：有效管理和分配組織資源，避免資源浪費和衝突，提升整體運營效率。
4. 推動組織學習與知識管理：收集和分享專案經驗和最佳實踐，促進組織內的知識積累和持續改進。
► PMO的挑戰與應對
1. 文化阻力
- 挑戰：組織內部對新制度和流程的抵觸情緒，可能影響PMO的推行。
- 應對：通過有效的溝通、培訓和領導支持，逐步改變組織文化，獲得員工的認同和支持。
2. 資源限制
- 挑戰：PMO自身可能面臨人力、財務等資源不足的問題。
- 應對：合理規劃和優化資源配置，優先支持關鍵專案，逐步擴展PMO的能力。
3. 維持靈活性
- 挑戰：過於僵化的流程可能限制專案團隊的創新和靈活性。
- 應對：在標準化和靈活性之間找到平衡，根據專案需求靈活調整管理方法。
4. 持續改進
- 挑戰：專案環境和需求不斷變化，PMO需要不斷更新和改進自身。
- 應對：建立持續改進的機制，定期評估PMO的效能，並根據反饋進行調整。
【實例說明】
例如，一家大型軟體開發公司設立了PMO來統籌所有軟體開發專案。PMO負責制定統一的開發流程、提供專案管理工具、進行專案培訓，以及監控專案進度和質量。通過PMO的支持，公司的專案成功率顯著提高，資源利用效率也大幅提升，最終促使公司在競爭激烈的市場中取得了更好的業績。
【總結】
PMO作為組織內專案管理的中樞，通過標準化流程、提供支援和監控專案，能夠有效提升專案的成功率和組織的運營效率。然而，建立和運營一個高效的PMO需要克服文化阻力、資源限制等挑戰，並不斷適應和改進。對於希望提升專案管理水平和整體競爭力的組織而言，PMO無疑是一個重要且不可或缺的存在。
《總部營運管理手冊（區經理版）》Regional Operations Management Manual總部營運管理手
《總部營運管理手冊（區經理版）》Regional Operations Management Manual
管門市，不是巡門市，是「複製標準 + 管控結果 + 修正偏差」
一、手冊定位用於：讓區經理成為「品牌標準的執行系統」，而不是行政巡店人員
三大任務
1. 確保門市SOP一致性
2. 控制營運績效
3. 修正現場偏差
二、區經理角色定位
區經理 =「移動的總部系統」
不是：
• 只是巡店
• 只是傳話
• 只是查錯
而是：
• 標準執行者
• 問題修正者
• 教育訓練者
• 營運數據管理者
三、區經理每日工作架構
數據查看 → 巡店 → 現場修正 → 教育訓練 → 回報總部
四、巡店標準流程
STEP 1｜巡店前準備（10分鐘）
查看：
• 營收趨勢
• 客訴紀錄
• KPI異常門市
• 上週改善事項
STEP 2｜現場巡查（30–60分鐘）
三大檢查面向：
服務面
• 是否有問候
• 是否依SOP服務
• 是否有客訴風險
營運面
• 出餐速度
• 動線效率
• 尖峰處理能力
管理面
• 店長在場管理
• 人員配置
• 現場紀律
STEP 3｜現場即時修正
必做三件事：
• 即時糾正SOP錯誤
• 示範正確做法
• 要求當場重做
五、區經理管理工具
① 門市評分表（每日）
項目 分數
服務 1–5
出餐 1–5
環境 1–5
管理 1–5
② 門市健康分數
服務品質 × 30%
營運效率 × 25%
客訴率 × 20%
人員穩定 × 15%
SOP執行 × 10%
分級：
• 90+：優良
• 80–89：正常
• 70–79：需改善
• <70：高風險
六、門市問題處理SOP
問題分類
A類：即時問題
• 現場錯誤
• 立即修正
B類：管理問題
• 店長能力不足
• 需訓練
C類：系統問題
• SOP不清楚
• 需總部修正
D類：危機問題
• 食安
• 媒體
• 重大客訴
七、店長管理系統
店長三大任務
1. 現場指揮
2. 員工管理
3. 客訴處理
區經理必做：
• 評估店長能力
• 每週回饋
• 教育修正
八、教育訓練責任
區經理不是只查店，而是：門市第一線教育訓練主管
必教內容：
• SOP標準
• 客訴處理
• 尖峰管理
• 新人帶訓
九、客訴管理責任
區經理處理範圍：
• C級客訴（重大）
• 重複性客訴
• 系統性問題
處理流程（LEARF）
• Listen
• Empathy
• Apologize
• Resolve
• Follow-up
十、每週營運會議（Weekly Review）
報告：
• 各店營收
• 客訴數據
• KPI異常
• 改善進度
會議核心：「不是報數字，而是找問題」
十一、績效評估制度（KPI）
區經理KPI：
門市面：
• 客訴下降率
• 門市平均分數
管理面：
• SOP執行率
• 教育完成率
結果面：
• 營收穩定性
• 離職率
十二、紅色警戒系統（Red Flags）
區經理必須立即回報：
• 食安問題
• 媒體危機
• 重複重大客訴
• 店長失控
十三、區經理核心能力模型
必備能力：
• 現場判斷力
• 教育訓練能力
• 數據分析能力
• 溝通協調能力
十四、系統運作邏輯
數據監控 ↓
巡店檢查 ↓
現場修正 ↓
教育訓練 ↓
回報總部 ↓
系統優化
十五、管理本質
區經理不是「檢查門市的人」，而是「讓門市變標準的人」
區經理的價值，不是走進門市，而是讓每一家門市都變成標準。
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']
工作分配選對人，團隊績效再翻倍！
文： 小婉家族研究生 何美惠 | 工商心理實驗室
原標題：享受挑戰，樂在工作
挑戰性的工作能激發個人思維靈活性並提升競爭力。研究顯示，面對複雜任務，員工傾向投入更多努力，從中獲得成就感和情感滿足。管理者應依個性分配工作，賦予積極進取者更多挑戰，以發揮其潛力。此外，選擇適合的任務複雜度，能有效提升學習者的情緒投入和學習成果。
工作中總是充滿挑戰，能讓人思緒靈活，顯得更具有競爭力，Liu等(2020)提及任務複雜度，人們評估任務需求並分配更多的努力來解決更複雜的事物，喜歡系統地搜索高相關性決策，任務複雜度為影響人類績效和行為的重要任務特徵(Liu & Li, 2012)。Donovan等(2017)提出當員工從事複雜跨職能工作團隊中相較於簡單和重複的任務時，較能索取完整資源且更顯得有競爭力，因此管理者在工作安排上，因應每個人的個性不同，分配不同的工作任務，將具有企圖心且積極度的員工賦予高複雜任務，具有更好的績效(Macey et al.,2009)。
多堂免費大師講座，提升你的職場思維與視野 >>
根據學習情緒的控制價值理論(Pekrun,1992)認為環境因素會因個人對事情的價值評估，進而對情緒產生間接影響，主要取決於對事情的控制與價值的認知評估。對於知識更豐富的學習者來說，由於從低複雜性的任務中沒有什麼新東西可以學習，這些學習者可能會產生挫敗感（Schrader & Nett, 2018）對他們的學習可能會受到抑制。當被賦予過於簡單的任務時，高知識技術學習者的表現可能會比預期的差。然而，學習者也可能傾向於選擇他們認為更困難的任務而不是簡單的任務，以獲得更高的情感獎勵，當新手面臨相對更複雜的任務挑戰時，樂趣會增加，認知資源的使用和學習表現也會增加。因此，具有挑戰性的新手在更困難的任務上的表現比預期的要好(Likourezos & Kalyuga, 2017）。
小婉家族研究生 美美
參考資料：
Donovan, J. J., Hafsteinsson, L. G., & Lorenzet, S. J. (2017). The interactive effects of achievement goals and task complexity on enjoyment, mental focus, and effort. Journal of Applied Social Psychology, 48(3), 136-149.
Likourezos, V., & Kalyuga, S. (2017). Instruction-first and problem-solving-first approaches: Alternative pathways to learning complex tasks. Instructional Science, 45(2), 195–219.
Liu, P., & Li, Z. (2012). Task complexity: A review and conceptualization framework. International Journal of Industrial Ergonomics, 42(6), 553–568.
Liu, X., Peng, H., & Pu, B. (2020). Age differences in the decision information search: The roles of task complexity and task relevance. Cognitive Development, 54, 100877.
Macey, W. H., Schneider, B., Barbera, K. M., & Young, S. A. (2009). Employee engagement: Tools for analysis, practice and competitive advantage. Hoboken, NJ: Wiley-Blackwell. Retrieved from https://doi. org/10.1002/9781444306538
Pekrun, R. (1992). Expectancy-value theory of anxiety: Overview and implications. In D. G. Forgays, T. Sosnowski, & K. Wresniewski (Eds.), Anxiety: Recent developments in cognitive, psychophsysiological and health research (pp. 23-41). Washington, DC: Hemisphere.
Schrader, C., & Nett, U. (2018). The perception of control as a predictor of emotional trends during gameplay. Learning & Instruction,54, 62–72. https://doi.org/10.1016/j.learninstruc.2017.08.002
看更多來自工商心理實驗室的好文 >>
在職場中你容易被情緒勒索嗎？這五大人格特質最易受影響
職場八卦：氣質性嫉妒與組織認同的交織
能者多勞？還是忍著過勞？ 小心引發工作倦怠
Z世代安靜離職消失了嗎？不，它進化成「怨恨缺勤」
學習時間管理就能提升效率？探索你的「時間特質」找到關鍵
提升員工帶動企業的成長！最划算的教育訓練方案首選>>
企業內訓、公開班及線上課程需求，104人資市集最超值 >>
訂閱人資市集電子報獲得專家工作分享及產業新知 >>
加入104人資市集官方line獲得最新優惠及活動資訊 >>
HR工具箱必備：自訂動態報表模組，幫助人資快速成為數據分析高手
你也時常遇到老闆突然叫你產出各種人事報表嗎？「早上說、下午要」的情況屢屢上演，是否常想著若能快速產出老闆要的資料就好了，不想在各式報表中切來切去、貼來貼去？其實，你一點都不孤單！104 HR Max 提供全方位的自訂報表功能，幫助 HR 從繁瑣的報表管理工作中解放。
文章導讀：
自訂報表是什麼？跟標準報表差別？人資標準報表有哪些？最常用到哪些資訊？自訂報表如何準確運用？最實用的人資儀表板整合BI系統，打造專業WorkFlow總結人資自訂報表優勢
在企業經營的過程中，資料與報表的管理總是非常關鍵，尤其對於人力資源部門而言，能夠有效地追蹤與分析員工數據，可以大大提升決策和優化組織結構的效率。104 HR Max 提供全方位的自訂報表功能，幫助 HR 從繁瑣的報表管理工作中解放，從欄位到分析邏輯，完全自行定義，打造真正屬於團隊需求的數據視角，進而提升決策的效率和品質。
自訂報表是什麼？跟標準報表差別？
104 HR Max提供內建超過150張已設定好欄位邏輯的標準制式報表，能夠滿足大部分企業的日常需求，但時常會遇到特殊情況，需要增減報表欄位，或是調整欄位顯示順序，因此104特別開發可以根據企業的特定需求，透過5大步驟 x 750+欄位，輕鬆完成專屬於您的自訂報表。
▲簡單5步驟輕鬆完成屬於您的報表。
自訂報表與標準報表有哪些不同？
比較項目標準報表自訂報表欄位格式設定固定欄位及格式，無法更改。可彈性自訂格式、欄位，提供750+跨模組功能的欄位。資料整合數據整合能力有限，需要手動整併資料。依照不同種欄位功能，整合各類數據，高度客製化。資料分析需下載後整理，才能執行分析與統計。可於系統直接設定樞紐分析報表。便利性系統提供150+標準報表可直接使用，無須設定。依照HR需求設定，前置過程花費較多時間，但可直覺調整，No Code!適合對象適合初階的報表使用者。適合需要客製化分析的HR，或有特殊報表需求的部門。
人資標準報表有哪些？最常用到哪些資訊？
104 HR Max提供150+張的標準報表，包含組織、人事、出勤、薪資、員工Portal使用相關，共5種模組。常見的員工人數、績效成果、證照數、差勤明細、薪資狀況等數據，系統都直接能下載報表，一次獲得各種項目的精準數據。而依據104人資F.B.I調查近三年人資最常利用數位工具處理的前三名依序為「員工出缺勤及請假作業」、「HR表單電子化」及「用手機打卡及處理假勤簽核」，調查也顯示2023-2024年已經有超過半數的企業已經開始運用數據分析進行人力資源管理，這些都在在展現數位化管理及數據報表資料的重要性。
▲104人資F.B.I調查近三年人資作業數位化項目使用率。
自訂報表如何準確運用？
了解了標準報表之後，現在就來告訴你自訂報表功能對人資夥伴的幫助有哪些，以下模擬各種情境能幫助您了解該如何應用人資自訂報表。
案例1：A公司老闆在4月2日當日因應美國關稅政策，想了解調節人力的可能性，請HR在1天內就要提供「2025年3月31日之前入職的員工名單，並依照入職時間、年齡進行排序」。首先，HR 只需在欄位設定中選擇部門、姓名、到職日、年齡等欄位，其後設定資料排序規則及篩選條件，即可快速生成所需報表，省去以前繁雜的手動數據整理過程。
案例2：B公司頻繁遇到員工離職，主管了解員工離職率是否與部門、工時相關，HR使用標準報表可能只能獲取到基本的離職數據，而自訂報表則可以進一步在離職資料中，加入離職員工的出勤與加班時數、年齡、學歷、任職部門等綜合資訊，並且產出樞紐分析，幫助HR與主管能快速深入分析離職原因與風險因素。
以上案例看起來簡單，但過去可能需要從不同功能下載報表後，接著在 Excel 另外整併資料，有了自訂報表功能後，可以直接從自訂報表挑選橫跨人事、出勤、薪資模組的資料欄位，進行報表產出與分析，大幅提升數據分析效率。
另外也提供一些報表設定情境供大家參考，可依照自身企業需求調整。
員工多元性ESG報（104 HR Max甚至提供一鍵生成ESG報告功能。）
員工績效與出勤時數相關報表
不同時期員工組成與薪資結構分析
政府機關資料報告
與財務相關的人事報表
104 HR Max報表功能共有5種模組x 750+欄位，無論想分析什麼，只要直接勾選相關欄位即可跑出相關數據，同時提供樞紐分析功能，讓您快速獲得精準的數據。
不只自訂報表，人資儀表板更是所有HR的最愛功能！
除了報表功能外，HR Max 還提供預設的人資儀表板，以圖表呈現關鍵的人資數據，幫助 HR 和主管快速掌握人才現況，例如：
員工性別、年齡、離職、育嬰留停等統計。
公傷病假、產假/產檢假/陪產假等統計。
主管職/非主管職的薪資結構統計。
讓HR可一目了然掌握現況，並且還能將圖表下載放進簡報中，可以直接與老闆報告說明，榮獲HR最愛的功能之一！
人資系統整合BI系統，打造專業WorkFlow
為了進一步提升人資數據的價值，HR Max 提供 OPEN API，可與企業的 BI（商業智慧）系統進行介接，打造更專業的人資洞察儀表板。 透過整合 ERP、CRM、HRM 等各種系統的資料，可以產出更具策略意義的分析結果，例如：
HR 總覽：即時掌握人力資源狀況。
團隊分析：了解團隊結構與能力，輔助任務分派。
新人管理：掌握新人留任情況，提升招募效率。
離職分析：分析離職原因，降低離職率。
出缺勤管理：掌握整體出勤狀況，提升員工效率。
以上這些功能與串接不僅是方便人資作業而已，更能展現人資的價值與決策能力。
數據說話！幫助HR提升價值與效率
自訂報表功能的推出，對企業管理好處已經提了很多，以下整理幾點優勢讓企業與人資能更加瞭解，選擇有自訂報表、儀表板、OPEN API串接的人資系統，如何真的能在人事工作上提升效率與價值。
靈活性與客製化：自訂報表允許HR根據特定需求選擇和調整報表欄位，能針對個別企業或部門的需求進行客製化設計，從而提高數據的實用性。
加速數據與深入分析：自訂報表功能大幅提高數據處理的效率，使HR可以快速生成報表，無需手動整理數據，能進行更深入的數據分析。
自動化數據更新：一旦設置報表，HR每次下載只要調整報表資料的篩選條件，隨時自動更新報表資料，確保獲取最新及準確的資訊，減少手動輸入錯誤。
數據驅動決策：自訂報表可提供所需的關鍵數據，幫助HR和管理層做出明智的決策，尤其在招募、留才及其他人力資源策略上能夠提供有力的數據支持。
即時應對突發需求：在面對突發狀況，如主管要求特定報表或即時資訊，自訂報表能確保HR能迅速回應和提供所需數據，提升人力資源部門的應變能力。
104 HR Max 的自訂報表功能不僅是工具，還是一個協助企業與人資發掘數據價值的專業夥伴，使人資的管理工作變得愈加有價值與效率。強大的報表功能，讓各個企業能夠在數據驅動的時代中，取得優勢！
立即了解104 HR Max：https://104ha.com/XA0Te
運用「社會計量」實踐正向領導力，帶領團隊達成卓越績效！
文／ 八方整合社企 鄧慧文顧問
原文標題：當社會計量與正向領導力相遇
學者專家探索領導方式多年，領導非僅情感，需要解碼工具，而社會計量則是之一。社會計量由J. L. Moreno於1930年發展，科學測量人際關係，解決衝突、凝聚團隊、提升績效。常用技術如社會原子圖、光譜圖、相似圈等，引導團隊邁向正向領導目標。
追求績效是主管最重要的工作之一。多年來學者專家、企業組織嘗試以領導理論與科學驗證找到適合的領導方式，來促使團隊組織達成效能。領導不是感覺的產物，因為存有過去經驗的偏差（bias），領導像是抽象的密碼，必須透過工具解碼，而社會計量就是正向領導力的解碼工具。
何謂社會計量？
社會計量(Sociometry)是奧地利精神科醫師J. L. Moreno在1930年間發展出來的理論及技術，用以探索人際關係、人際選擇過程、與人際連結的社會測量科學，他在1946年說，社會計量是社會關係及人際關係量測的總稱。
社會計量可量測群體間所有的人際網絡與連結，也可以聚焦研究個人的網絡連結、團隊整體的人際網絡、或是不同團隊之間的網絡互動等。因此運用社會計量可以瞭解團隊中的個人、相互連結及團隊整體動力。社會計量技術已被證實在團隊中解決衝突、凝聚團隊、促進團隊績效的有效工具之一。
常用的社會計量技術
運用社會計量技術可評估團隊現況，並根據設定的介入目標，選擇適合的社會計量技術介入團隊、優化團隊動力、增進團隊工作效益，帶領團隊朝向正向領導力的目標前進。常用的社會計量技術：
(1) 社會原子圖
(2) 光譜圖
(3) 相似圈
(4) 優勢圈
(5) 區域型社會計量
(6) 地板評量
(7) 搭肩式社會計量
(8) 目標導向社會計量
以相似圈 (Circle of Similarities)為例：
相似圈又稱步入式社會計量(Step-in Sociometry)，幫助團體成員以行動方式表達選擇，確認、並經驗自己與其他成員產生連結、漸次融入團體的感覺。相似圈幫助團體成員意識到彼此間的相似性，使隱藏的連結變得顯而易見，從而提高團體整體聯繫與凝聚力。
例如主題：多元融合
1. 向前跨入一步，問大家 ”有沒有誰和我一樣是社會新鮮人? 也請你們往前站一步”
2. 向前跨入一步，問大家 ”有沒有誰和我一樣進公司前就是公司產品的鐵粉? 也請你們往前站一步”
帶領者的引導：
階段一：根據介入目標提出明確的問題
階段二：引導成員以行動表達選擇、進行分享、邀請有相似經驗/觀點者步入…
階段三：邀請成員分享選擇(what)及原因(why)
階段四：帶領者視團體動力狀況，邀請未往前步入的成員分享其不同經驗或觀點等，創造不同觀點成員間的正向連結。
台灣科技島，國家重點發展產業在高科技與生技醫療產業，主力在培育大量理工STEM人才的養成，較注重數學，事實，數據，科學與邏輯，相對於領導、管理、情緒調適、人際連結能力與互動技巧較少著墨，關鍵的領導力與軟實力是企業組織急需強化的重點。
當社會計量與正向領導力相遇：正向領導力實踐於企業組織，從內到外三大結構聚焦主管覺察自身Intra狀態，善用個人與團隊優勢觀點，盤點目前Inter與團隊關係狀態，並以社會計量技術方法與團隊產生正向連結關係，成為A TEAM適時獎勵、激勵士氣達成團隊績效。
參考資料：
八方整合正向領導力-職場社會計量專案團隊
正向領導力–職場社會計量師2023專訓班講義
了解鄧慧文老師的相關課程及內訓>>
提升員工帶動企業的成長！最划算的教育訓練方案首選>>
企業內訓、公開班及線上課程需求，104人資市集最超值 >>
訂閱市集電子報與你分享專家文章及最新活動訊息>>
成為人資市集Line好友獲得最新課程優惠及免費講座資訊>>
「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＞
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
115年免費心理諮商來囉！如何申請、有哪些注意事項？資格條件懶人包
2026年衛福部免費心理諮商「15-45歲青壯世代心理健康支持方案」3次免費心理諮商適用年齡擴大至45歲，哪些人可以使用？如何申請補助及預約？之前申請過年輕族群方案還能申請嗎？《104職場力》為你總整理。
更新時間：2026/1/8
文／《104職場力》小編整理
本文導覽（點選連結可至指定章節閱讀）
「15-45歲青壯世代心理健康支持方案」重點摘要誰能申請3次免費心理諮商補助？有哪些資格條件限制？預約第2、3次諮商時已超過45歲，心理健康支持方案還能補助嗎？為什麼免費心理諮商年紀開放至45歲？心理健康支持方案補助多少錢？完全免費嗎？有哪些注意事項？接受心理諮商服務是否有頻率或間隔時間的限制？之前使用過年輕族群方案，還可以申請青壯世代心理健康支持方案嗎？青壯世代心理健康支持方案怎麼申請？可以遠端諮商嗎？「青壯世代心理健康支持方案」合作機構有哪些？3次免費心理諮商可以中途換心理諮商機構嗎？心理健康支持方案，預約後臨時不能去怎麼辦？3次免費心理諮商補助額度用完，還有心理諮商需求怎麼辦？「青壯世代心理健康支持方案」所指轉介醫療機構是否具有強制性？為何諮商完後要蒐集個人資料跟問卷內容？
「15-45歲青壯世代心理健康支持方案」重點摘要
衛福部繼2023年針對15至30歲族群，推出「年輕族群心理健康支持方案」、2025年再推出「15-45歲青壯世代心理健康支持方案」後，2026年延續該計畫，盼給予青壯世代更多心理支持與陪伴。
115年免費心理諮商方案內容如下：
補助對象：15-45歲青壯世代族群，每次補助1,600元
實施時間：115年1月1日至115年12月31日
補助次數：每人3次心理諮商，每次至少40分鐘以上
查詢網址：15-45歲青壯世代心理健康支持方案
究竟「15-45歲青壯世代心理健康支持方案」要如何申請、有什麼資格及使用限制？心理諮商前要做哪些準備？之前申請過還能申請嗎？《104職場力》為你總整理。
誰能申請3次免費心理諮商補助？有哪些資格條件限制？
補助對象為：年滿15歲至45歲之「本國籍民眾」或「持有健保卡之外籍人士」，只要攜帶身分證明文件，都能使用免費心理諮商方案。
預約第2、3次諮商時已超過45歲，心理健康支持方案還能補助嗎？
可以補助！只要接受第1次諮商服務時符合年齡，後續就算預約第2、3次服務時年齡超過45歲，只要在方案期間（至2026年12月31日）都可以申請補助，但每人以3次為限。
為什麼免費心理諮商年紀開放至45歲？
衛福部指出，根據台灣民眾常見精神疾患盛行率之變遷研究顯示，國人常見精神疾患包括憂鬱、焦慮等，以30-45歲人口群盛行率最高，近10年統計盛行率更高達25-27%，顯示每4人中即有1人有心理困擾。根據健保署統計，青壯世代的精神醫療使用亦有增加趨勢，105-111年15-45歲精神科就醫率從7.4%增加到9.5%，成長率達27%。
而在青壯世代之中，約有525萬人為上有老、下有小的「三明治族群」，研究指出「經濟負擔」、「角色衝突與緊張」及「工作狀態」等，常為三明治族群心理耗損的來源，其心理健康同樣須社會關注。
為促進青壯心理健康，協助其調適心理壓力與負面情緒，故放寬資格條件，擴大至45歲，提供民眾心理諮商補助。
心理健康支持方案補助多少錢？完全免費嗎？有哪些注意事項？
申請後共可補助3次心理諮商費，每次諮商由衛福部補助1,600元，也就是說使用此方案將可省下4,800元。
但這1,600元補助不含掛號費等其他行政規費，建議民眾預約時，先向機構確認是否須另支付其他項目費用，或者使用衛福部合作機構資訊查詢時檢視「自付費用」欄位。
衛福部合作機構資訊查詢系統自付費用欄位。
接受心理諮商服務是否有頻率或間隔時間的限制？
為確保心理諮商服務品質，從接受第1次諮商服務起，3次諮商期程不超過3個月；且任2次諮商間隔時間不超過1個月、不小於7天為原則。
之前使用過年輕族群方案，還可以申請青壯世代心理健康支持方案嗎？
可以。青壯世代心理健康支持方案補助次數為獨立計算，只要在2026年12月31日辦理期程內都可以申請。
青壯世代心理健康支持方案怎麼申請？可以遠端諮商嗎？
使用15-45歲青壯世代心理健康支持方案，只要記得「查詢、預約、準備、諮商」4個步驟，諮商流程如下：
查詢：查詢心理健康支持方案服務機構
預約：聯繫機構預約使用諮商服務
準備：攜帶身分證明文件供查驗，準備掛號費（自付額）
諮商：於約定時間至機構接受心理諮商
此方案沒有戶籍或居住地的限制，民眾可以選擇居住地以外的合作機構進行心理諮商，若要使用通訊方式進行心理諮商也可以，請先查詢合作機構名單中，有執行通訊心理諮商之機構進行預約即可。
「青壯世代心理健康支持方案」合作機構有哪些？
請上衛福部「青壯世代心理健康支持方案」官網點選「心理諮商合作機構查詢」或「通訊諮商合作機構查詢」，輸入「縣市別」，並於尚有名額那欄勾選「是」，即可快速查找。
「心理諮商合作機構查詢」、「通訊諮商合作機構查詢」圖示。
立即查詢青壯世代心理健康支持方案服務機構
3次免費心理諮商可以中途換心理諮商機構嗎？
可以中途更換心理諮商服務機構，但要留意補助次數加起來以3次為限。並且需要主動據實告知已接受過之補助次數。
心理健康支持方案，預約後臨時不能去怎麼辦？
如果預約心理諮商後臨時有事，無法前往諮詢，務必提早通知預約的服務機構更改預約時間。需要注意的是，如果連續2次無故未到，合作機構得拒絕提供服務。
3次免費心理諮商補助額度用完，還有心理諮商需求怎麼辦？
如果已經用完3次補助額度，還有心理諮商需求，可以選擇自費繼續接受心理諮商，或是由機構協助媒合社區中之心理健康服務資源，如社區心理衛生中心、社區心理諮商服務據點等。
各縣市社區心理諮商服務一覽表
「青壯世代心理健康支持方案」所指轉介醫療機構是否具有強制性？
後續轉介醫療機構需經本人同意，不得強制。
為何諮商完後要蒐集個人資料跟問卷內容？
為了評估方案成效及確保民眾醫療權益，會由合作機構蒐集個人資料（含心理健康問卷評估結果），但蒐集的資料不會作其他目的之利用，並會依據個人資料保護法，辦理個人資料檔案安全維護事宜。
資料來源：衛生福利部心理健康司
推薦閱讀：
台灣四成以上工作者自評壓力超大！三大警訊檢視是否陷入「情緒耗竭」？
每五人有１人身心出狀況，台灣上班族好憂鬱！醫生透「這群人」風險最高
想到要上班就頭痛腸胃不適？「壓力指數量表」12題檢視是否身心壓力乘載過荷
諮商心理師崛起─報考人數暴漲200%！熱門職業背後結構發生什麼變化？
隨著心理健康議題逐漸受到重視，心理諮商需求在台灣持續攀升。近7年來，全台心理諮商所數量增長超過330%，同時也帶動了諮商心理師成為熱門職業。但從進入研究所到成為執業心理師的過程既競爭激烈且耗費心力，為何還能吸引年輕人與中高齡者前仆後繼？
文／蘇欣儀 由Cheers授權轉載
本文導覽
心理諮商需求激增！台北市諮商所數量奪冠窄門難入：心理諮商研究所普遍錄取率僅個位數中高齡轉職潮：帶著人生閱歷豐富諮商領域
心理諮商需求激增！台北市諮商所數量奪冠
近年來，「頌缽」、「正念」以及「心靈成長課程」等話題廣受關注，心理健康議題逐漸成為顯學。然而，當人們試圖更深入探索自我與內心時，諮商成為許多人更進一步的選擇。同時，想要成為諮商心理師的人也在這幾年迅速增長。
過去7年，全台心理諮商所的數量增長超過330%。全台236家中，183家集中在六都，台北市的數量更高達69家，特別又集中在大安區與中正區，這兩個行政區的年所得分居台北市第一與第二位。
諮商需求快速成長，顯示心理健康問題已成現代人普遍困擾。
政府支持+社會對心理健康的關注提升
衛福部在2023年推動「年輕族群心理健康支持方案」，提供15–30歲民眾3次免費諮商服務，推出不到一個月，名額即一掃而空，迫使政府追加預算，並在2024年擴大補助範圍至45歲的青壯年族群。截至2024年8月，服務人數已達29,920人。
「每一次諮商心理師需求量的重大變化，都與重大災難緊密相關。」點亮心燈諮商中心所長、台北市諮商心理師公會副理事長李訓維感慨道。
回顧過往案例，921大地震後《心理師法》通過，八仙塵爆、小燈泡等事件則促使心理健康議題成為公共焦點。新冠疫情期間，也讓網路諮商更為普及。
另一方面，台灣社會也愈加重視、並以正面態度看待心理健康議題。包括這些年，名人陸續公開諮商經驗；相關書籍如《被討厭的勇氣》、《蛤蟆先生去看心理師》成暢銷書；企業也推出員工協助計畫（EAP）照顧員工心理狀態等，都讓整個社會對心理諮商接受度顯著提升，也讓更多人開始對這職業有所想像。
（圖／由Cheers授權轉載）
窄門難入：心理諮商研究所普遍錄取率僅個位數
這一股新興的需求，帶動了各大學心理、諮商相關研究所報考人數大增，國考報考人數在7年間暴漲了200%。
目前全台共有30間大學設有心理諮商相關研究所，但錄取率相當競爭，甚至比許多頂大企研所更難考。
「研究所是道窄門，大家都是擠破頭才得進來。」國立台灣師範大學教育心理與輔導學系教授兼社區諮商中心主任王玉珍直言。
以師大為例，在113學年度的研究所考試中，共有370人報考，僅錄取8人，錄取率僅2.16%。即使是錄取率相對高的學校，也只有20%左右，玄奘大學錄取率更在短短4年間下降了超過20%。
讀哪間學校已經不是重點，重點是能不能進到這個窄門。
（圖／由Cheers授權轉載）
成為執業心理諮商師之前的漫漫長路：畢業、實習、國考
考上研究所只是開始，要到真正成為諮商師還有一段艱難的路要走。除了碩士論文外，還有1~2年的實習，過程不僅不支薪，還需支付機構督導費用，最後才能獲得國考的資格。
這段過程極其耗費心力，沒有強大的動機與意志力難以堅持下去，但近幾年仍吸引大量過江之鯽。
但事實上，從諮商所畢業後的薪資也沒有大家想像中優渥。
點亮心燈諮商中心所長，兼任台北市諮商心理師公會副理事長李訓維談到，以機構諮商心理師來說，薪資在4萬元左右；接案的諮商心理師薪資從2～16萬元不等，穩定者一個月6～7萬不是問題，但真正穩定者不到三分之一。
換言之，心理諮商市場的需求雖然正在成長，但競爭程度也愈來愈激烈。
（圖／由Cheers授權轉載）
中高齡轉職潮：帶著人生閱歷豐富諮商領域
除了年輕人投入心理諮商領域，一股中高齡者轉職的潮流也悄然興起。
王玉珍觀察，近年來，有愈來愈多具有護理、特教、企管、人資、法律等背景的中高齡人士投入諮商領域，有別於純學院派訓練，他們以人生閱歷為諮商師角色帶來不同風貌。
以銘傳大學諮商與工商心理學系碩士班為例，約有一半的學生是從其他領域工作多年後轉職而來。R小姐便是其中一員。
從銷售王到諮商心理師的人生轉彎
50多歲的R小姐是擁有30年保險業務經歷的銷售王。「我出去談10個案子，可以拿回9個，不對，是9.5個！」她語帶不好意思，又有一絲驕傲地說。
她的高成交率，有賴於長年研究人的內在，不僅熟悉星座、生命靈數、MBTI，更考取DISC性格模式執行師與國際NLP 教練證照。這些都幫助她快速理解客戶需求，找到適合的相處方式。
然而，隨著孩子長大，經濟負擔減輕後，她開始回應自己內心，追求對人更深層次的理解，決定重新進入校園，攻讀研究所，並於今年獲得諮商心理師證照，開始執業。
「過去我講求快速成交，但現在我學會放慢腳步，尊重每位個案的速度。」
R小姐認為，過往的職場經歷為她累積了豐富的人生閱歷，而現在，她希望用這些經驗陪伴更多人找到內心的平衡。
對照R小姐的生命經驗，長期培訓諮商心理師的李訓維表示，曾有立委提議免除諮商師需具備研究所學歷的門檻。然而，他認為諮商工作需對人性有深刻的理解與觀察。即便一路念到研究所，仍可能欠缺足夠的人生經驗。相較之下，中高齡者雖然在考試上較吃虧，但豐富的人生歷練仍是與個案諮商的重要優勢。
有位諮商師也談到，很多時候投入心理諮商是為了找一個落腳、避風港，試著在專業裡靠近並理解自己。
諮商心理師的工作不僅是一種助人的實踐，同時也能加深自身對生命的理解，實現助人與自我成長的雙重價值。
[joblist_plugin title='更多104【諮商心理師】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E8%AB%AE%E5%95%86%E5%BF%83%E7%90%86%E5%B8%AB' amount='3']
（原文標題：心理、諮商成報考研究所大熱門，還吸引一堆中年轉業，國考人數暴增２００％）
延伸閱讀：
3次免費心理諮商擴大至45歲！2024年誰能申請、怎麼用？9大QA總整理
勞工每年有6次「免費心理諮商」，適用對象、申請資格常見QA一次解答
《蛤蟆去看心理師》：善用心理諮商協助，不要獨自面對鬱結
耶魯大學最受歡迎的選修課「快樂學」，提供職場工作者的５大助益
犧牲午餐忙工作？調查：４９%上班族沒空吃飯，「這個世代」最嚴重
同事情緒低落，別再對他說：「不要想太多！」阻止職場悲劇的５大警訊
從心聲到行動：量化員工體驗數據，精準優化招募與留才策略
文／104 人資學院
在缺工成為常態、人才選擇權持續向勞方傾斜的環境下，企業若仍只憑經驗或直覺制定人資策略，往往難以有效回應員工期待。員工體驗不只是感受，更是可以被量化、分析並轉化為行動的關鍵管理數據。本文將從HR視角出發，說明企業如何透過系統化的員工滿意度與體驗調查，真正聽見員工心聲，並將數據落實於招募優化、留才決策與制度改善，打造具競爭力的人才體系。
文章導覽
為什麼「聽見員工心聲」成為企業競爭力關鍵
員工體驗不只是感覺，而是可管理的數據
從滿意度調查，看見影響離職與敬業度的關鍵因子
員工體驗數據，如何反向優化招募策略
用數據精準留才，避免制度改善流於口號
HR 的新角色：從執行者走向策略夥伴
結語：讓員工體驗成為企業成長的長期引擎
為什麼「聽見員工心聲」成為企業競爭力關鍵
在多數 HR 的實務經驗中，員工離職往往不是因為單一事件，而是長期累積的不滿未被正視。當企業只在離職面談時才試圖理解原因，往往已錯失改善時機。隨著世代更迭與工作價值觀改變，員工更加重視被尊重、被傾聽，以及組織是否願意回應其期待。對企業而言，是否能即時掌握員工真實感受，已成為影響留任率、招募品牌與整體績效的重要因素。
員工體驗不只是感覺，而是可管理的數據
許多企業談員工體驗，仍停留在零散回饋或非正式觀察，導致改善方向模糊、內部共識不足。事實上，員工體驗涵蓋薪酬公平、工作負荷、主管領導、成長發展、溝通透明度與組織文化等多個構面，唯有透過結構化調查，才能系統性掌握全貌。透過量化的員工滿意度調查，HR能將主觀感受轉化為可比較、可追蹤的指標，作為制度優化與管理決策的依據，避免流於個人印象或個別反映的聲音。
從滿意度調查，看見影響離職與敬業度的關鍵因子
當企業定期蒐集員工體驗數據後，往往會發現影響敬業度與留任的關鍵，未必是薪資本身，而是「制度如何被執行」。例如目標是否清楚、績效評核是否公平、主管是否能給予支持與回饋，這些因素都會直接反映在滿意度數據上。透過交叉分析部門、職務、年資等各因子的數據，HR能更精準辨識高風險族群與潛在流失原因，提前介入，而非等到離職率攀升才補救。
員工體驗數據，如何反向優化招募策略
員工體驗不僅影響在職員工，也直接關係到外部招募成效。當企業清楚知道現有員工最滿意與最不滿意的面向，就能更真實地調整招募溝通內容與雇主品牌訊息。例如，若數據顯示員工高度認同學習資源與團隊文化，HR就能在招募階段以此打造招募亮點；若某些制度尚待改善，也能避免過度包裝，降低新人落差感，進而提升新人留任率。
用數據精準留才，避免制度改善流於口號
許多企業在看到調查結果後，容易陷入「什麼都想改」的困境，反而分散資源。真正有效的作法，是聚焦影響最大的關鍵構面，設定優先順序，並持續追蹤改善成效。透過前後期數據比較，HR能具體評估制度調整是否真正提升員工感受，也能向管理階層清楚說明改善成果，讓人資決策更具說服力。
HR 的新角色：從執行者走向策略夥伴
當員工體驗數據被系統性蒐集與分析，HR的角色也隨之轉變，不再只是調查執行者，而是能以數據洞察協助企業制定中長期人才策略。這樣的轉變，有助於 HR與經營團隊對齊共識，讓人才議題真正進入策略層級討論。
善用專業工具，讓員工心聲轉化為可行方案
要讓員工體驗調查真正發揮價值，關鍵不只在「有沒有做調查」，而在於工具是否具備專業性、可比較性與後續行動支援。相較於自行設計問卷或零散蒐集意見，104 人資學院的員工滿意度與體驗調查具備多項實務優勢。
首先，在題庫設計上，104 員工體驗調查由專業顧問團隊建構，完整涵蓋工作力、文化力、永續力、合作力、推廣力、發展力、敬業度、領導力與薪酬力等九大核心構面，題目皆經過信效度驗證，能全面且精準地反映員工在工作投入、組織文化、管理品質與整體職場體驗上的真實感受，而非僅停留在表層的滿意或不滿意評價。
圖一：104員工體驗調查八大構面
其次，在數據解讀上，104不僅提供單一企業內部分析，更能對照市場常模，協助企業了解自身在同產業、同規模中的相對位置，讓 HR 不再只是「知道分數高低」，而是清楚哪些是結構性優勢、哪些是急需補強的風險區。
第三，104員工體驗調查結合顧問解讀與行動建議，協助企業將結果轉化為可執行的人資優化方向，例如制度優先改善順序、主管管理能力補強重點，以及與招募、留才策略的實際連動，避免調查結果只停留在報告階段。
圖二：104員工體驗調查結合顧問諮詢解方
對HR而言，這樣的工具不只是一次性調查，而是能持續追蹤、支持決策、並與經營管理對話的重要數據基礎，協助企業在招募與留才上做出更精準且具說服力的決策。
結語：讓員工體驗成為企業成長的長期引擎
員工體驗不是一次性的專案，而是需要長期經營與持續優化的管理機制。當企業願意以數據為基礎，系統性蒐集員工心聲，並將洞察真正轉化為制度與管理行動，就能有效降低離職風險、提升敬業度，並強化雇主品牌的真實吸引力。
在缺工與人才競爭成為常態的情況下，HR若能善用專業的員工體驗數據工具，將能更有策略地連結招募、留才與組織發展。104人資學院透過員工滿意度與體驗調查，結合顧問專業與市場數據，協助企業找出關鍵改善因素，讓每一次制度調整都有數據支持。
如果你的企業正面臨招募困難、留才壓力或想更深入了解員工真實想法，歡迎聯繫104人資學院，洽詢員工體驗與相關顧問服務，讓員工心聲真正成為推動組織成長的行動力量。
瞭解104資深顧問團隊如何協助您建構人才管理解方>> 預約專人診斷諮詢
掌握員工心聲，提升員工留任力>> 104員工體驗調查
有任何收穫或想分享的，都來和大家一起聊聊吧！