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
SAS分析
SAS分析指的是運用SAS軟體進行資料管理、統計分析與報表製作的能力。具備此技能能有效處理大量數據，從中找出趨勢與洞察，協助企業做出精準決策。在金融、醫療、行銷及製造等產業需求高，尤其適合數據分析師、統計師及業務分析師等職務。掌握此技能能提升工作效率與專業競爭力，是現代職場中非常實用且受重視的數據分析工具。
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財務力：從數字到決策的智慧應用【9/3】
成為 AI 科學家｜資料分析師必備視覺化技能 Power BI
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
AIＸ數據分析術：從報表到洞察，全面升級你的職場決策力
電腦視覺演算法之人臉辨識實戰【本課程為線上課，報名後專員會提供上課資訊】
TTQS 評核攻略免費試閱
AI快速完成專業簡報
行銷/業務 AI 超能力(三)： 動態模擬引擎 x 客戶關係自動化系統
TTQS 企業機構版評核攻略
精選證照
考取專業證照，讓能力被市場看見
SSE SAS Knowledge Today國際認證
SAS結合了高階的程式語言、資料處理與管理系統同時也是統計分析軟體。這一套整合型策略系統目前也不斷開發增進其採礦與視覺分析的強大功能並演化成為巨量資料處理的一項重要工具。據統計，世界著名的各大企業、政府機關、醫療院所與學術機構都會使用SAS軟體，作為資料處理與分析決策的主要工具。
Silicon Stone Education (SSE)
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)
SCA
SCA證照（Supply Chain Analyst）專注於供應鏈分析與管理，涵蓋需求預測、庫存控制、物流規劃及數據分析等核心技能，提升企業供應鏈效率與成本效益。持證者具備運用數據驅動決策的能力，能有效協調供應鏈各環節，優化流程並降低風險，是供應鏈管理領域的重要專業認證。
Storage Networking Industry Association
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)
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
CDIA+
CDIA+（Certified Data Intelligence Associate）證照專注於數據智能與資料分析能力，涵蓋資料收集、處理、分析及應用等核心技能，協助企業從大量數據中萃取價值，提升決策品質與營運效率。持有此證照代表具備運用數據驅動策略及解決問題的專業能力，適合數據分析師、業務分析師及相關領域專業人士，助力職涯發展與職場競爭力提升。
Comp TIA
精選貼文，掌握第一手知識
「HR人資數據分析」從步驟、使用工具到10種分析面向一次懂
文：先行智庫
原文標題：什麼是HR人資數據分析？要分析什麼？從步驟、使用工具到10種數據分析面向，本文一次告訴你！
隨著數據分析技術的成熟，以及入門門檻逐漸降低，各行各業逐漸在思考如何應用數據分析，為工作帶來全新的價值，或者是提高決策品質，甚至是創造新商業機會。身為人資夥伴，我們也可以思考手上擁有的數據，例如：出缺勤數據、績效考核數據、調薪紀錄、職務異動紀錄、員工投入度、訓練課程滿意度調查、加班紀錄等，可以如何分析？該設立哪些管理指標？能用何種圖表呈現？怎麼打造員工數據戰情室？要做到什麼樣的程度才可以？使用什麼樣的工具比較合適？在今天這篇文章，我都會幫大家詳細解答。
目錄
HR人資數據分析簡介1.1 人力資源近年發展趨勢1.2 HR人資數據分析是什麼？1.3 為什麼要做HR人資數據分析？
如何做HR人資數據分析？2.1 HR人資數據能分析什麼？2.2 有哪些數據可以做HR人資數據分析？2.3 該使用何種工具比較好？Excel還是Power BI？2.4 做HR人資數據分析的6個步驟
HR人資數據分析關鍵議題3.1 招募數據分析3.2 訓練數據分析3.3 員額數據分析3.4 離職數據分析3.5 績效數據分析3.6 證照數據分析3.7 差勤數據分析3.8 薪酬數據分析3.9 人格數據分析3.10 接班人數據分析
落實人資數據分析4.1 Power BI人資戰情儀表版4.2 實踐人資數據分析可能遭遇的難題
1. HR人資數據分析簡介
1.1 人力資源近年發展趨勢
近期人力資源發展趨勢，可以概分為三個階段。
第一階段，人資主要處理勞檢、出缺勤統計、勞健保與團保、調薪與晉升公告等庶務型工作。第二階段，人資開始成為企業的策略合作夥伴，例如：規劃具備競爭力的薪資福利、根據業務發展方向擬定訓練架構、制定能鼓勵員工的績效考核辦法、優化整體招募流程以提升企業形象。第三階段，人資走向數據驅動，例如：量化個渠道的招募招募成本、量化每個部門的缺口狀況與人力結構、從課後滿意度評分問卷找出辦課重點、善用人格測評分析結果將人才擺在適當位置。
這三個階段並不是互相取代 ，而是同時並進的。換句話說，HR不僅僅要具備運營能力，在大數據時代，也必須要有數據驅動決策的技能。人力資源在過往會被認為是以人為本的行政相關工作，但在科技進步的趨勢下，也開始要涉及數字化管理。
手把手帶你掌握E化 x 數據 x AI【數位人資管理師】 >>
1.2 HR人資數據分析是什麼？
HR人資數據分析，就是運用數位工具，將與人力資源相關的數據進行分析，從中獲取洞察的過程。在這段過程，不論你是使用何種工具，如：Excel、Power BI、Tableau等都是可以的。當然也不限最終的呈現形式，如：PPT、Word、Excel、儀表板。只要HR的工作中有涉及到數字，這段過程廣義來說，就能算是HR人資數據分析了。
其實這並不是一件非常遙遠或很困難的事情，因為HR平常在做的報表或報告，基本上都會做到與數字相關的統計和分析，例如：培訓的滿意度、加班時數、敬業度調查、招募人數統計、職務異動統計等。只是在於這些統計和分析的結果，是否對於決策有正向助益。
1.3 為什麼要做HR人資數據分析？
做HR人資數據分析，最主要的目的是「做出更好的決策」，讓下決策不再憑經驗或憑感覺。例如：要去哪裡找到合適的人才？招募預算應該要如何更有效配置？招募團隊與招募工作應如何調整？我們可以透過分析「履歷收件的有效性」，做為決策的參考依據。
透過HR人資數據分析，能讓我們知道要前往的方向，與評估所需投入的資源與時間，避免將本就有限的資源，投入到代價高且多餘的項目，讓我們將精力更集中在能提升效率的工作。還能夠提高論點的說服力，也能更有底氣的協調跨部門支援。更重要的是，我們可以用數字，來衡量HR的績效表現，讓老闆可以更清楚的知道HR貢獻的價值。
2. 如何做HR人資數據分析？
2.1 HR人資數據能分析什麼？
我們可以從人資工作的流程，選、用、育、晉、留，這幾個面向先思考想解決的問題有哪些？想要知道的訊息有什麼？接著再進一步思考，要解決這些問題，需要分析哪些數據？或者是用什麼樣的數據做佐證。
例如：在招募的部份，我們就會想知道哪個招募管道效益最好？招聘預算該如何配置？在訓練的部份，老闆就會想知道辦訓練課程是否值得？如果值得，又該辦哪些的訓練對於實現業務增長是有正向助益？
2.2 有哪些數據可以做HR人資數據分析？
我們可以將數據先分成2大類，一類是HR相關的數據，另一類是非HR相關的數據。
HRIS系統、PMS系統、LMS系統、招募管理系統、證照管理系統等能倒出來的數據，都屬於HR相關的數據，例如：員工基本資料、加班時數統計、面試邀約紀錄、薪資實發清冊、獎金名冊、職務異動、晉升紀錄、敬業度調查、教育訓練滿意度調查、證照到期統計、績效分數明細表等。非HR相關的數據，像是財務數據、進出貨數據、庫存數據、不良品統計數據等。我們可以將HR數據與非HR數據做結合，這樣就能更清楚後端人力資源與前端工作的關聯性。
2.3 該使用何種工具比較好？Excel還是Power BI？
不論用什麼樣的工具，都可以用來做數據分析，沒有哪一種最好，只有哪一種最適合你，這兩種工具的使用情境是不太一樣的。如果你只是要做出一兩張圖表，而且還要將圖表貼到簡報上，Excel會比Power BI來的更容易操作。但如果你製圖的頻率很高，需要一次展示多張圖表，希望將多樣的人力資源數據都整合在一起，那Power BI會是比較適合的。簡言之，如果只是單點式的做分析，Excel就足以，如果需要做全面的整合，Power BI會是更好的選擇。
2.4 做HR人資數據分析的6個步驟
做人資數據分析有6個步驟，千萬別一下子掉入工具的選擇，我們必須依照這幾個步驟，一步一步踏穩，才能讓數據發揮它的價值。這6個步驟分別是：問題思考、資料彙整、資料清理、資料視覺化、數據洞察探索、展示報告與共享。
3. HR人資數據分析關鍵議題
你可以設計一套完整的、有系統的HR人資數據分析框架。你也可以針對招募、訓練、員額、離職、績效、證照、差勤、薪酬、人格、接班人等議題，單獨做數據分析。接下來我會針對常見的這幾個議題，做詳細介紹。
3.1 招募數據分析
大招募時代來臨，許多企業都面臨缺工與招募不到人才的問題。在招募工作中，你可以分析：要去哪裡找人？怎麼縮短人才招募時間？如何用最少成本，招募到最好的人？
要回答上述問題，我們可以從許多招募指標和數據中，找到合適的線索。還可以將這些指標建立成招募戰情儀表板，把所有的指標圖表攤在同一張儀表板上，用更宏觀的視野來看公司的招募狀況。透過客觀的數據分析，將能夠給我們足夠的決策參考情報。但如果你要做招募數據分析，就需要有招募相關的數據才行，例如：開缺報表、面試紀錄表、Offer Delivery的紀錄表。
有了情報之後，我們也可以從每一個招募工作環節，仔細檢視還能如何改善，藉由優化招募流程，解決招募工作面臨的問題，或者是採取一些創新的作法。
3.2 訓練數據分析
科技進步速度飛快，加上近期景氣低迷的因素，許多企業都意識到投資員工教育訓練的重要性。在教育訓練工作中，你可以分析：要辦什麼樣的訓練才能夠對應到公司業務發展所需？要花多少錢在教育訓練才合理？舉辦的教育訓練有沒有效？
教育訓練是一個相對比較難用數據衡量的議題，通常都只會想到分析課後回饋問卷。但如果心有餘力，也可以去蒐集前端部門有的數據，例如業務部門就有業績數據、生產線就會有不良品或停機相關的數據。接著就能夠將後端的HR數據，與前端的數據串聯做分析，以了解訓練課程的投資，對於工作成效是否有直接的助益。
3.3 員額數據分析
隨著組織不斷擴大，如何用有限的人力配置，發揮最大的價值，是做員額數據分析最重要的目的。在員額headcount的部份，你可以分析：公司員工人數和營業收入是否成正比？人力的組成結構是否健康？面對組織未來的策略發展，公司的人力配置要做哪些調整？預算數與實際員額數是否有明顯的差距？
3.4 離職數據分析
員工離職，我們除了做離職面談，其實還可以做數據分析。你可以分析：關鍵人才人才離職率、員工離職的原因統計、員工離職所產生的成本、造成員工離職的主要因素。而這些分析結果，你也可以用一些比較特殊的圖表，更精準傳遞你想訴說的訊息。
3.5 績效數據分析
人資部每年都會收到各部門主管針對部門員工做績效考核分數的數據，如果這些數據只是用來記錄就有點可惜了，我們可以將這些數字更進一步做分析，用來激發員工潛能、找出潛力人才。你可以分析：每位員工歷年來的績效趨勢、連續若干年績效表顯都很亮眼的員工、與員工績效有正相關的因素是什麼、績效與調薪之間的關係。
3.6 證照數據分析
各行業因為法規或業務發展的關係，需要考取證照。如金融業就會有壽險、證券、期貨等證照；科技製造業就會有化學品、堆高機、急救人員、工安、衛生管理等。資訊業可能就會有各原廠的認證考試。在證照的部份，你可以分析：即將到期的證照張數、證照張數的服務能量是否能滿足業務需求、每人已過期或到期的證照張數。
3.7 差勤數據分析
同仁的請假與加班狀況，會影響到員工的身心健康與工作成效。請假與加班的數據，一般都是用來通知當事人，或者是當事人的主管。但除了通知用途外，這些數據你還可以用來分析：各部門平均加班時數、哪些部門或哪些員工有異常加班的狀況、加班費的支出是否可以再降低、有哪些員工年底到了但特休使用率還未達80%。
3.8 薪酬數據分析
近期科技業大裁員的消息，讓我們意識到人事費用，對於企業而言是一筆不小的開支，需要審慎的發放與運用。該如何提高人事成本的韌性？在景氣大好時能大舉徵才？在景氣不好時又能夠有效控管人事成本？做薪酬數據分析，是首要任務。在薪酬這塊，你可以分析：公司與同業的薪資水準、人均營收與人均成本、薪資結構的合理性、薪資級距、是否逐年調薪、薪資發放的公平性。
3.9 人格數據分析
如果企業有做人格測評，通常每人都會收到一份數字化報告。但如果分開單獨看一個人的測評結果，不容易了解團隊整體的樣貌，因此我們可以將每一位員工在測評中的數據彙整後，做交叉比對，藉此分析：主管與非主管的人格特質差異、離職與在職員工的人格特質差異、各部門的人格特質是否符合業務需求。從中可以了解什麼樣的人適合擔任主管？什麼樣的人離職風險更高？團隊的組成是否有需要再調整？
3.10 接班人數據分析
許多企業在現在都面臨的接班問題，但挑選接班人除了依照主觀判斷，還要拿出客觀數據，才能夠讓接班人的挑選更具有說服力。最常見的一種方式就是人才九宮格，可以藉由績效分數和潛力分數進行判斷，找出超級明星或潛力明星。（參考文章：如何運用Power BI找出企業接班人？）當然你也可以分析每一位接班人：過往執行的重大專案數、近年績效表現、年資與年齡。
4. 落實人資數據分析
4.1 Power BI人資戰情儀表板
在做HR人資數據分析時，你可能會針對許多的管理指標，繪製出視覺化的圖表。就算準備的再周全，一樣有很高的機率，會被問到你準備資料以外的問題。而且從你取得數據，經過加工，再送到報表閱讀者手中，就已經不是即時的資料了。再加上不同的閱讀者，看報表的角度也都不盡相同，如果要針對每一個閱讀者的習慣與喜好，個別製作報表，是相當耗時耗力的工作。為了讓HR數據分析能更全面涵蓋老闆會問的問題、為了讓數據能更即時的傳到老闆手中、為了讓數據能用自助式的方式讓報表閱讀者自行篩選調整格式，我們可以透過Power BI做HR人資數據分析。請參考以下範範本：
4.2 實踐人資數據分析可能遭遇的難題
要落實人資數據分析，並不是短時間就能完成的事情，可能還會遇到許多挑戰等待你克服。最可能遇到的就是數據蒐集難題，像是缺乏重要的數據，該如何布局蒐集數據的管線與流程。也可能會遇到溝通的挑戰，像是如何讓用人單位意識到，人力資源的數據報告有利於業務增長。還可能會遇到資料整合難題，例如資料散落在各方，缺乏整合管道，如何有效率的彙整。這些問題都不是短期內就能輕鬆被解決的，但唯有這些難題被克服以後，才能夠落實人資數據分析。
了解更多Power Bi 相關的學習資源 >>
學更多【Power BI】，馬上報名 >>
Power BI 資料視覺化
Power BI HR管理分析師【招募數據視覺化】
Power BI 資料清理與建模
Power BI DAX函數運用
人資必備數據Know-how都在這裡> >
用Power BI 做視覺化數據分析，企業導入時會遇到六大階段
HR數位轉型怎麼做？以數據分析為驅動
從這15個數據指標，開始建立你的招募漏斗
你的招募數據報告，老闆看不懂？ 因為你沒有「資料視覺化」
HR這樣做數據分析報告，老闆才想聽！
從數位工具到商務實戰──義民高中資料處理科：培養跨域競爭力的數位職人
如何讓學生在 AI 崛起與網路經濟爆發的時代脫穎而出？義民高中資料處理科給出了一個清晰的答案。這門兼具「資訊技術」與「商業管理」的學科，不僅教導學生如何操作電腦、考取證照，更著重於跨領域的邏輯思維與實務整合。在這裡，學生從最基礎的文書處理出發，逐步踏入會計、經濟與商業專題製作的殿堂，在數字與程式碼之間，編織出屬於自己的未來職涯藍圖。
跨域思維的先行者：結合資訊與商務的學科優勢
「資料處理科最核心的優勢，就在於它的『跨領域』。」義民高中資料處理科陳昭君主任在訪談中一針見血地指出。面對許多國中生與家長常將「資訊科」與「資料處理科」混淆的疑問，主任給出了一個簡單而明確的判別方式：「資訊科是工業類群，面對的是機器；而資料處理科（資處科）則是商業管理群，面對的是人。網路世界的基礎是電腦，當你具備了電腦操作能力，又懂得商業運作邏輯，就能直接跨入電子商務與現代商務的領域。」
在課程設計上，資處科將複雜的電腦應用與統整商管知識相結合。高一到高三的學科內容涵蓋兩大體系：
資訊技術： 電腦軟體應用（Word、Excel、PowerPoint）、中英文輸入、計算機概論與Python 程式語言。
商業類科： 會計學、經濟學、商業概論到專題製作。
這種雙軌並進的訓練，讓資處科的學生在面對複雜的商業環境時，既擁有清晰的邏輯思維，又具備資料處理的執行力。
圖：學生透過上機實作，培養文書能力
從基本功到高階應用：以證照檢定奠定實力自信
在義民高中資處科，學習成果不只體現在課堂的聽講上，更落實在具體的證照考取與技能檢定中。學校規劃了一套循序漸進的證照地圖，協助學生在三年內建立無可替代的硬實力。
「我們透過考取證照的過程，給孩子們建立信心。」主任分享，高一時學生會先從電腦軟體應用丙級、TQC 辦公室應用軟體（Word、Excel、PowerPoint）以及中英文輸入開始扎根；到了高二、高三，則進階挑戰高難度的「電腦軟體應用乙級」檢定，以及人工記帳會計丙級等專業證照。
目前就讀資處科的林同學與戴同學，便充分展現了這項環境帶來的專業實力。林同學在三年內考取了包括電腦軟體應用乙級與丙級、商教會會計一級檢定、人工記帳會計丙級等多張高含金量證照；戴同學也順利拿下了電腦軟體應用丙級及多張 TQC 證照。這些努力，成為他們畢業時最堅實的備忘錄。
圖：高中三年努力考取多張證照，展現學以致用的實力
理論與實務的交會：專題製作打開職涯的無限可能
隨著 108 課綱的推進，「專題製作」成為資處科高三學生最重要的核心課程。專題製作要求學生必須主動整合三年所學，從無到有地完成一項縮小版的商業研究或企劃報告。
主任分享，目前科大在競賽與專題上喜好的取向，多圍繞在 ESG（環境、社會與治理）、APP 應用、產品行銷企劃與活動企劃。因此，學生的專題主題也緊扣這些時代脈動，例如有組別便以「心理舒壓」為核心研發創意點子，完成了具備高度整合性的專題成果。
在專題製作的過程中，學生必須寫出完整的企劃書，內容涵蓋室內設計構想、成本預算控制、人力資源配置、行銷宣傳策略等。主任透露：「在討論行銷推廣時，學生提出想利用 Instagram作為宣傳通路。我不直接教他們怎麼進行推廣，但我會以過去做行銷的經驗挑戰他們：『你們的推廣策略就只有這樣嗎？要怎麼寫文案？文稿跟圖片要怎麼呈現？』」這種高互動性的引導，讓學生養成思考每一步驟背後的邏輯與效益。
圖：高三專題成果，榮獲商業類技藝競賽獎項，展現跨域整合與實作能力
多元進路與特質媒合：找到屬於自己的發光舞台
「讀資處科，最大的好處就是未來的出路非常寬廣。」主任驕傲地表示。由於兼具資訊與商管背景，資處科畢業生在統測升學時擁有極大的優勢，可選擇的落點涵蓋：資訊管理系、企業管理系、財務金融系、會計系、財稅系等…甚至是跨足跨域的工業管理、資訊工程系等。
對於有志於在高中畢業後直接投入職場的「實用技能班」學生，資處科也提供了充足的就業準備。林同學與戴同學便分享，身邊選擇直接就業的同學，多數能順利進入餐飲業、零售通路（如全聯）等服務產業服務。更有實用技能班的孩子在畢業後，一邊在知名科技公司（如緯創）上班，一邊在國立大學研究所繼續深造，實現了產學無縫接軌。
究竟什麼樣的孩子適合就讀資料處理科？主任與兩位學生的分享總結出了以下幾項人格特質：
樂於與人互動、不排斥溝通： 商管群的核心在於服務與協調，具備良好的文字與言語表達能力是重要基石。
對數字與細節具備敏感度： 不需要數學成績頂尖，但必須對數字有耐心，能從簡單的數據中發現脈絡。
喜好操作電腦、不排斥邏輯思考： 面對系統與程式工具，願意動腦思考其運作邏輯。
航向數位未來的羅盤：在多變環境中發光的跨域英才
在義民高中資料處理科的三年的時光裡，學生學到的從來不只是死板的軟體操作，而是一套與現代數位世界對話的方式。從高一敲擊鍵盤的生疏，到高三能在講台上自信展示專題成果；從面對數據的迷惘，到能用多元工具梳理資料邏輯。這群資處科的學生在細節中鍛鍊判斷力，在跨領域的碰撞中摸索自我，陪伴著他們走向未，在各自的領域裡閃閃發光。
開箱資料處理科學習日常！更多科系探索，歡迎追蹤104高職生IG
在 Instagram 查看這則貼文 104高職生（@104v.hs）分享的貼文
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']
喊AI就有培訓經費，真的嗎？
AI來襲，跟公司爭取培訓經費、加強技能，OK嗎？聽完這集你會學到，如何用緊急v.s.重要的「四象限圖」，精準表達學習需求，同時將個人職涯發展和公司的組織策略及部門績效掛鉤，優先執行關乎公司成長的戰略佈局。至於AI職能需求，可運用PDDRO（規畫、設計、執行、檢核、成果）流程與 SMART 原則確保訓練落地，搭配「公司內部大神」分享以實體線上「混成式教學」，極大化預算效益。
【本集來賓】穆廣浩，仰德集團新竹物流人資主管，有多年人資經驗，也是104Giver職涯引導師。
【本集重點】03:26 企業規劃年度教育訓練計畫的第一步04:55 如何蒐集真正的需求？06:40 如何從高階主管取得訓練需求？08:13 員工訓練需求如何滿足？11:00 如何推動員工AI轉型？13:30 企業資源有限，如何規劃？15:31 訓練費用有效運用：內外部講師，混成式、線上E課程、實體課程23:58 AI訓練如何落實在年度計畫？26:53 教育訓練有沒有效？如何檢視？28:30 員工學習需求可以主動提出嗎？
▍有效經營雇主品牌，你還可以聽EP583【雇主品牌】請病假，仍有全勤？！四大勞動新制上路！全勤獎金應按比例發放 EP448【雇主品牌】員工激勵「獎」在心坎裡。 公開「有面子」，獎酬「有裡子」，WFH「有彈性」 EP564【雇主品牌】員工兼講師！核心技術肥水不落外人田。 知識煉金術！將員工「隱性知識」顯性化、標準化、生動化 按「Follow」訂閱，最新一集Podcast立即傳送
什麼是「MarTech」？為什麼企業需要行銷科技來輔助營運？│職場百科
你聽過「MarTech」（行銷科技，Marketing Technology）嗎？為什麼很多知名企業、大品牌都認為建立完整的「MarTech」系統不只是能讓產品行銷更有效率，甚至能協助營運更上軌道？原因在於優異的「MarTech」將可以結合軟體、數據分析和自動化技術，做到高效率、省人工，有效讓數據來輔助決策，協助企業精準觸及目標受眾、最佳化行銷策略。
文／《104職場力》
本文導覽
什麼是「MarTech」？為什麼「MarTech」很重要？為什麼企業需要「MarTech」？「MarTech」的 六大領域1. 廣告與推廣（Advertising & Promotion）2. 內容及使用者體驗（Content & Experience）3. 社群與客戶關係管理（Social & Relationships）4. 商務與銷售（Commerce & Sales）5. 數據分析應用（Data）6. 整合管理（Management）「MarTech」和「AdTech」有什麼差別？
什麼是「MarTech」？
「MarTech」（行銷科技）是什麼？只要使用自動化技術就算是一種嗎？
簡單來說，「MarTech」是指運用軟體、數據分析與自動化技術來最佳化行銷策略，協助企業精準觸及目標受眾、提升運營效率並優化顧客體驗。
「MarTech」是由 Marketing 和 Technology 兩個單字組合而成，最早這個概念是在2011年由美國的工程師企業家 Scott Brinker 製作的「行銷科技地圖」（Martech Landscape）所提出，並且將行銷科技劃分為六個主要的領域：廣告與推廣（Advertising & Promotion）、內容及使用者體驗（Content & Experience）、社群與客戶關係管理（Social & Relationships）、商務與銷售（Commerce & Sales）、數據分析應用（Data）、整合管理（Management）。
簡單來說，「MarTech」要解決的問題是：
降低企業在行銷工作上的重複性與勞力密集的繁瑣工作。
讓過去持續累積、但始終無法被妥善運用的資料（Raw Data）發揮其效用。
延伸閱讀：數位行銷是什麼？想進入數位行銷的領域，應該要怎麼開始？
為什麼「MarTech」很重要？
現代企業的營運中，「數據與自動化」在行銷工作中的作用越來越重要。
由於行銷情境不斷變化、使用者行為變多、數位足跡龐大，因此「MarTech」的內容也越來越複雜，使品牌更能貼進過往被視為「碎片化」、「無從辨識」的消費者旅程。因此更突顯活用「MarTech」的重要性。
行銷技術會從頭到尾考慮執行需求，讓行銷人員能夠完整的擴展行銷工作。最後，MarTech 很重要的另一個原因，就是能夠改善我們與對手和顧客的溝通及合作方式。改善這些B2B和B2C關係（感覺你似乎更懂我了），對您與顧客建立的關係產生正面的雪球效應。
為什麼企業需要「MarTech」？
自動化執行： 將繁瑣的例行行銷工作（如 EDM 寄送、社群回覆）自動化。
數據驅動決策： 告別憑感覺猜測，依據精準的數據儀表板調整行銷預算。
優化顧客體驗： 透過系統記錄用戶足跡，提供高度客製化的內容與推薦服務。
[course_plugin api_type='course_id' title='【MarTech輔助行銷】一次搞懂GA4網站分析' id='ef846d56-f66a-4f57-9dba-188ac542e8d7']
「MarTech」的 六大領域
以實際應用面來說，被譽為「MarTech」之父的 Scott Brinker 將行銷科技切分為以下六種領域：
1. 廣告與推廣（Advertising & Promotion）
以科技技術優化關鍵字、社群等各種廣告形式，提供詳盡的報表資訊或自動優化服務，包含建議投放時間、TA輪廓、推廣形式與素材建議等等，藉此提高廣告投放的成效。
常見的工具如：Google Ads 與 Meta 廣告管理員。
[course_plugin api_type='course_id' title='Google Ads廣告投放認證保證班' id='1abeea86-5289-4d4d-910b-fad952bcdfd4']
2. 內容及使用者體驗（Content & Experience）
包含內容管理、網站建置及個人化體驗，運用科技打造更吸引消費者、讀者興趣的內容，打造更好的瀏覽閱讀體驗。內容包括影音、社群貼文、部落格文章、圖文資訊或電子報；體驗則包含UI及UX設計，甚至AR、VR等各種線上線下互動裝置等等。
常見的工具如：WordPress 與 HubSpot CMS。
[course_plugin api_type='course_id' title='AI內容企劃力實戰課' id='51189062-5156-4dec-9153-8464c6732b13']
3. 社群與客戶關係管理（Social & Relationships）
專注於社群媒體管理及客服自動化，在社群及客戶經營啟用更多的AI輔助工具也是一種，藉此提供更多元的互動方式或情境，協助企業更輕鬆的管理顧客資料、舉辦線上線下活動，以及經營社群、規劃合適的形象和宣傳素材。
常見的工具如：聊天機器人 BotBonnie 與 ManyChat。
[course_plugin api_type='course_id' title='數位行銷：社群、數據與銷售的13堂應用課' id='8030c976-04bc-48ce-acd2-6934b1f34d8d']
4. 商務與銷售（Commerce & Sales）
驅動銷售轉換與電子商務，透過「行銷科技」優化銷售系統與網站介面，包含支援線上支付、後端業務分潤與財務管理等服務，藉此提升銷售成效、改善企業內部作業效率，打造一站式的體驗。
常見的工具如：Shopify 與 B2B 常用的 Salesforce CRM。
[course_plugin api_type='course_id' title='零經驗也能學會電商行銷：一次搞懂邏輯架構、操作經營與數據指標' id='c52e5f9a-49f8-4f9b-8db0-08f5d25f5819']
5. 數據分析應用（Data）
追蹤、衡量並分析行銷成效。數據運用其實是「Martech」最核心的概念，以數據為基礎才能精準分析成效，進而應用在優化其他五大領域的行銷策略。
常用的工具如：Google Analytics 與 Mixpanel。
[course_plugin api_type='course_id' title='GA4 x Looker studio跨資料源整合＆動態報表實戰' id='3211ef4b-a0df-4e47-898b-450cbf8f2e5b']
6. 整合管理（Management）
統籌行銷專案與團隊協作，以科技協助規劃完善的行銷策略，包含各項資源與預算管理、系統與平台整合管理與分析。
常用的工具如：Asana 與 Trello。
[course_plugin api_type='course_id' title='Power BI 零基礎實戰 | 培養商務數據分析力' id='68e834c3-e940-4ec5-bce1-bd78da37cc46']
「MarTech」和「AdTech」有什麼差別？
根據《amazon ads》的說明，像行銷和推廣有所不同，「MarTech」和「AdTech」（廣告科技的縮寫）兩個術語也不能互換使用。主要差別在於「AdTech」僅用於透過促銷商品來影響買家行為，而「MarTech」則用於實際建立，運行和管理廣告活動和其他行銷工作。
具體來說，「AdTech」是廣告策略和管理工具的總稱（如供應方平台 (SSP)、廣告交易平台和需求方平台 (DSP)），而「MarTech」則是顧客關係管理 (CRM) 軟體、社群媒體管理工具、電子郵件行銷解決方案等的使用方式，大部分涵蓋行銷人工作日常會使用的相關工具。
本文參考《amazon ads》、《wikipedia》資訊，經整理改寫。
如何用AI分析主管性格？用DISC模型改善向上溝通，應對不同類型上司
用AI分析主管的溝通風格可行嗎？本文介紹如何運用DISC性格模型，判斷主管偏好的溝通方式，並調整彙報、回饋與向上管理策略，讓職場溝通更順暢。節錄自《AI職場溝通力》。
文／紀菲
本文目錄（點擊可快速前往）
懂性格分析的AI，幫你輕鬆應對「百變」上司用AI工具分析主管DISC性格及應用步驟一：蒐集資訊步驟二：利用AI進行分析與回饋步驟三：理解上司的性格步驟四：調整彙報方式步驟五：應用並觀察步驟六：持續改進想分析上司性格，要提供哪些資訊給AI？
懂性格分析的AI，幫你輕鬆應對「百變」上司
在職場上，我們會遇到各種各樣的上司：有的喜歡直來直往，有的喜歡拐彎抹角；有的熱情如火，有的冷靜如水。要想和這些上司打好交道，首先得懂他們！
我有個朋友叫Sam，他在一家公司做專案助理。他的上司王總是個典型的「工作狂」，對工作要求極高。Sam剛就職那陣子，每次彙報工作都小心翼翼地，生怕出一點差錯。但王總似乎總是不太滿意，Sam為此頭疼不已。
有一天，Sam在為一個重要的項目彙報做準備，他知道這將是一次大考。於是，他加班到深夜，把彙報資料做得盡善盡美。第二天，他信心滿滿地走進會議室，結果王總聽了不到5分鐘，就皺起眉頭說：「這些細節我都知道了，直接說重點！」Sam當場就傻眼了，他辛辛苦苦準備的內容就這麼被一句話帶過了。
你看，如果我們不能準確把握上司的性格和溝通風格，那麼我們的努力很可能就會付之東流。
在探索和瞭解他人方面，人類的智慧是無窮的。學者們提出了多種性格分類方法，這些方法可以幫助我們更好地理解他人，更好地與他人溝通。而在職場溝通中，我想給大家介紹一個非常實用的性格分析工具—DISC性格分類模型。這個模型把人的性格分成4種類型：D型（Dominance，支配型）、I型（Influence，影響型）、S型（Steadiness，穩健型）和C型（Compliance，服從型），如下圖所示：
我們可以簡單地這樣記：D老大、I小太陽、S暖寶寶和C小偵探。
D老大：就是那種走路帶風、說一不二的上司。他們目標明確，行動迅速，喜歡掌控全域、直截了當，不喜歡拖泥帶水。
I小太陽：這種人熱情開朗，總是笑容滿面。他們喜歡和人打交道，善於帶動團隊氛圍，鼓勵發揮創意和自由表達。
S暖寶寶：這種人性格溫和，耐心細緻。他們總是默默付出，為團隊提供溫暖和支持，這類上司則更注重團隊的和諧與穩定。
C小偵探：他們邏輯性強，注重細節，總是能發現別人忽略的問題，是團隊中的「糾錯專家」。他們追求完美，對工作品質有極高的要求。
說到這4種性格的人，我腦海裡立刻浮現出《西遊記》。孫悟空就是D老大，戰鬥力「爆表」，喜歡獨當一面；豬八戒就是I小太陽，總能逗大家開心；沙僧則是S暖寶寶，默默付出，不求回報；唐僧就像C小偵探，追求完美、講究細節，如下頁圖所示。
那我們如何應對這幾種性格的上司呢？
遇到D老大，你就得直接點，別繞圈子，有什麼說什麼，別拖拖拉拉的，他們喜歡有決斷力的下屬。
遇到I小太陽，你就得熱情點，多誇誇他們。他們喜歡被人關注和認可，所以你的回饋要及時。
遇到S暖寶寶，你就得耐心點，多聽聽他們的想法。他們雖然話不多，但心裡都有數。
遇到C小偵探，你就得嚴謹點，別出錯。他們眼睛裡容不得一粒沙子，所以你的報告不但要詳細，還需要有深度。
你可能會說：「我知道不同的人有不同的性格，但我不擅長分析別人的性格啊，這可怎麼辦？」不用擔心，有AI幫你，它就像一位高情商的人際管理專家。
用AI工具分析主管DISC性格及應用
比如Adam，他以前總是搞不懂上司的心思。但自從他使用了AI性格分析工具後，一切都發生了翻天覆地的變化。
那Adam具體是怎麼做的呢？
步驟一：蒐集資訊
Adam開始蒐集上司在溝通方面的資訊，包括：上司在團隊郵件中的回覆、上司在會議上的發言、上司寫的報告或工作指導文件。
步驟二：利用AI進行分析與回饋
他將蒐集到的資訊提供給AI，讓AI透過自然語言處理技術來分析上司的語言風格和行為模式。
比如，他可以這樣問AI：
「我們現在面臨的挑戰非常嚴峻。專案進度已經比原計畫落後了整整兩週，這對我們整個季度的業績都有影響。我需要大家立即行動起來，展現出我們團隊的執行力和決心。首先，我要求專案經理立即提供一個詳細的趕工計畫，包括每天的具體任務和預計完成時間。其次，我需要所有團隊成員對自己的工作負責，確保每一步都精確無誤。我們沒有時間再犯錯誤。我不希望再聽到任何關於問題的討論，我需要的是解決方案。如果你遇到障礙，給我一個明確的計畫，告訴我你打算如何解決它。我們的目標是在下個月底前完成這個專案，不要有任何藉口。最後，我需要看到資料，看到進度。每個部門的負責人都要向我報告你們部門的進展情況，以及你們如何確保按時完成任務。我期待大家的表現，讓我們行動起來！」這是我的上司在會議上的發言，請基於這段發言幫我分析上司的DISC性格。
AI回答：
基於您提供的上司在會議上的發言，我們可以嘗試對他的DISC性格進行分析。DISC性格分類模型是一個廣泛使用的性格分析工具，它根據四個主要面向來評估一個人的性格傾向：D（支配型）、I（影響型）、S（穩健型）和C（服從型）。從發言中，我們可以觀察到以下特點：D（支配型）：●強調專案的緊迫性和重要性；●要求立即行動，展現出對結果和效率的重視；●不希望聽到問題，而是直接見到解決方案；●設定明確的目標和期望，即在下個月底前完成專案。I（影響型）：●在這段發言中，上司並沒有特別展現出強烈的影響型特徵，如熱情或鼓勵性的言辭。S（穩健型）：●雖然上司強調了專案的緊迫性，但他並沒有表現出典型的穩健型特徵，如耐心、合作或考慮他人的情感。C（服從型）：●要求專案經理提供詳細的趕工計畫，並需要每個部門報告進展情況；●強調工作推動精確無誤，這反映他對細節和準確性的關注。
基於上述分析，我們可以推斷這位上司的性格傾向於D（支配型）和C（服從型）。他展現出強烈的任務導向性，要求迅速行動、設定明確目標，並關注細節和準確性。他不太注重情感因素或團隊合作等軟性方面，而是更關注結果和效率。
需要注意的是，這種分析是基於一段特定的發言進行的，而人的性格是複雜的，可能在不同情境下展現出不同的特點。因此，這種分析應該被視為一種初步和大致的評估。
在反覆提供不同資訊和AI進行分析討論後，Adam判斷上司很可能是D型。
步驟三：理解上司的性格
Adam又問AI：針對D型上司，如何溝通更有效率？
AI回答：
針對D型上司，要實現高效率溝通，可以考慮以下幾點策略：1.直接和簡潔。D型上司通常喜歡直接、簡潔的溝通方式。因此，在彙報工作、提出問題或尋求回饋時，你應儘量避免冗長和複雜的表述，直接陳述要點，用資料和事實支持你的觀點。2.突出結果和解決方案。D型上司往往關注結果和行動。在與D型上司溝通時，應優先展示你已經取得的成果或計畫達成的目標，並針對問題準備好相應的解決方案，不要只是抱怨或尋求同情。3.尊重上司的時間。D型上司通常時間觀念很強，不喜歡浪費時間。因此，在與其溝通前要確保你的請求或問題是緊急且重要的。同時，在會議或討論中，你應儘量保持高效率和專注，避免進行無關緊要的閒聊。4.保持積極和自信。D型上司通常欣賞下屬積極、自信的態度。在與其溝通時，要表現出你的專業性和自信，同時避免發表過於消極或自我否定的言論。即使你面臨困難或挑戰，也要展現出你正在積極尋找解決方案的態度。5.提供明確和具體的回饋。當D型上司向你提出要求或建議時，你要給予明確和具體的回饋。這有助於他們瞭解你的進展情況和需要的支援。同時，如果你對他們的要求有任何疑問，也要及時提出並尋求澄清。6.瞭解並適應上司的溝通風格。瞭解並適應上司的溝通風格可以幫助你更有效地與他們溝通。透過觀察他們的行為、語言和溝通習慣，你可以逐漸理解他們的期望和需求，並據此調整自己的溝通方式。7.尋求共同點。在溝通中，嘗試找到與D型上司的共同點。這有助於建立聯繫和信任，並使他們更願意聽取你的意見和建議。綜上，要記住，高效率溝通是一個雙向的過程。在努力適應D型上司之溝通風格的同時，也要保持自己的專業性和自信，勇於提出自己的觀點和建議。
步驟四：調整彙報方式
根據AI的回饋，Adam開始調整自己的彙報方式。他學會了在彙報前總結關鍵點，確保每個要點都簡潔有力；他避免進行冗長的解釋，而是直接提供結果和必要的資料支持。在提出問題時，他會同時提供幾個解決方案，並闡述每個方案的利弊。
步驟五：應用並觀察
在下一次與上司的一對一會議中，Adam採用了新的彙報方式。他直接彙報了項目的關鍵成果，並提出了幾個明確的後續行動計畫。Adam注意到上司對他的彙報反應積極，沒有像以前那樣頻繁打斷他，而是認真聽完了他的彙報，並給予了建設性的回饋。
步驟六：持續改進
Adam意識到溝通是一個持續的過程，他決定繼續使用AI來監測上司的反應，並根據需要調整自己的溝通策略。
時間一晃就過去了好幾個月，Adam在這段時間裡截然不同。他和上司的溝通越來越順暢，這讓自己在職場上的形象煥然一新。上司看他這麼能幹，不僅經常找他商量事情，還把更多的重擔交給了他，對他既信任又看重。
想分析上司性格，要提供哪些資訊給AI？
那我們可以蒐集哪些資訊提供給AI，讓AI幫助我們分析上司的性格呢？我幫你整理了一下，具體如下：
郵件：上司在郵件中呈現的語言風格、決策指令和溝通方式都是分析上司性格的關鍵線索。
會議發言：如果可能，蒐集上司在會議中的發言，包括開場白、提出的問題、做出的會議總結等。
工作文件：例如主管撰寫的工作報告、專案計畫書或績效評估報告等文件，能夠體現上司的專業風格和性格傾向。
決策案例：記錄上司在特定情境下做的決策，包括決策的速度、風格和偏好等。
回饋和評價：上司在工作中給予的回饋和評價，尤其是上司提出的批評和建議。
日常交流內容：在日常工作中，上司與同事的非正式交流內容，如休息時的聊天內容。
演講：上司公開演講的影片也能為分析上司的性格提供線索。
任務分配方式：上司分配任務的方式也能反映其性格特徵。
最後，溫馨提示一下，人的性格複雜多變，不是一兩個詞就能概括的。比如，一個人平時看起來挺果斷，做事雷厲風行，但處理一些講究細節的問題時，他又能慢得下來。所以，借助AI分析上司的性格時，別指望一次就能分析得徹底，可以多分析幾次，嘗試不同的AI工具。
跟上司打交道，別急著給他們貼標籤，我們得多觀察，多瞭解他們的性格，然後據此調整我們說話做事的方式。要是覺得與上司的溝通不太順暢，就要及時改變溝通策略，在不斷調整的過程中，我們和上司的溝通肯定能越來越順暢。
節錄自：商周出版《AI職場溝通力：讓你在彙報、面試、提案中一開口就說服人．AI時代不被淘汰的職場溝通學》／紀菲 著
用「優勢公式」找對夥伴！Google與DeepMind工程師如何用AI改寫能源產業
Google與DeepMind工程師如何用AI讓數據中心省電40%，並創辦AI節能新創？看懂能力、動機與洞見組成的「優勢公式」。本文節錄自《商品決勝點》。
文／傑克納普、約翰澤拉斯基
你的優勢是什麼？優勢會以能力（capability）、動機（motivation）與洞見（insight）三種形式出現。為了解釋這三種優勢如何發揮作用，我要帶你回2014年認識三個人。他們日後成為公司創辦人。看看你能否從接下來的段落，找出三人替專案帶來的優勢─並猜一猜他們最終建立哪一種公司。
首先是機械工程師凱蒂．霍夫曼（Katie Hoffman）。
2014年的一個平常日，凱蒂在各種工業設備之間走來走去，手上沾滿灰塵和油汙。她的視線順著亂七八糟的線路走，一下子接這台機器，一下子接那台機器。凱蒂帶領的團隊負責翻新工廠，裝上新型控制系統以發揮最佳效能。這份工作很重要的一環，就是找出舊系統是如何運作，而實際情形永遠和設計文件說的不一樣。
凱蒂盯著的那條線，連到又一個工廠文件上沒提到的感應器。她用手機拍下照片，備註幾句話，然後嘆氣。成功破解舊系統並改善效率，的確會帶來滿足感─但凱蒂心知肚明，再過幾年，又會有另一批人跑來這，拆掉她所有的心血，再度翻新工廠。在那之前，系統將停留在這次的更新，永遠不會改善，直到再度大改造。凱蒂感覺這樣很浪費，想必還有更好的辦法，但是該怎麼做？
接下來是吉姆．高（Jim Gao）─也是機械工程師。
2014年一個普通的一天，吉姆坐在控制室裡，地點是Google位於愛荷華州的龐大數據中心。這座數據中心當初在設計時，吉姆就參與了，但他今天和凱蒂一樣，想著有什麼辦法能改善效能。
廠內漆成亮色的藍綠紅黃管線，通往四面八方，讓這座數據中心看起來有如《超級瑪利歐》（Super Mario）遊戲被搬到現實世界，只不過沒有蘑菇和飛行龜，只有一排排的伺服器機櫃。
一年12個月，一週7天，白天黑夜不停歇，隨時有冷水流過那些五彩繽紛的管線，負責吸收與帶走伺服器產生的熱氣。冷卻管的確有用，但吉姆檢視控制室的讀數，忍不住感到失望。這個系統太耗電。每次機櫃開始升溫，管理數據中心的團隊就必須加快冷卻系統的輸出。加速時耗用的能源愈來愈多，但也不能不加速─伺服器過熱就會當機，網路將斷線。或許這樣的效率不彰是無法避免的，或許工程技術頂多就只能做到這樣，但吉姆總覺得哪裡怪怪的。他到底漏掉什麼？
最後一位是電腦科學家維達．潘奈薛凡（Veda Panneershelvam）。
在2014年平凡無奇的一天，維達坐在倫敦的桌旁寫程式。他和世界級的軟體工程師團隊合作，一起尋找人工智慧研究的聖盃：寫出能在圍棋賽中打敗人類的電腦程式。
如果你不熟悉圍棋，只需要知道很複雜就夠了。西洋棋有10123種可能的走法，但圍棋有10360種，令人難以置信。圍棋棋盤可能呈現的棋局狀態，還要多過宇宙裡的原子數！
如果要在圍棋取勝，維達和同事必須開發出新型的人工智慧做法，創造能看見未來的程式。2014年的時候，大部分的人認為這是癡人說夢，但維達只覺得興奮。如果AI連圍棋都能勝出，誰知道還能替人類解決其他哪些問題。
我們來回顧一下，先從顧客和問題講起：
凱蒂正在解決大型製造商的工業控制系統缺乏效率的問題。
吉姆正在解決Google有如吃電怪獸的數據中心。
維達正在解決……這個嘛，我不認為他實際上是在解決圍棋的問題。我認為他真正在處理的，其實是人腦處理複雜問題的能力有限。我認為他的「顧客」是全人類。我知道，這聽起來有一點過於宏大，但我認為確實如此。
好，那凱蒂、吉姆和維達的特殊優勢是什麼？剛才提過，優勢有三種。
首先是能力。能力是指你能做到很少人能比得上的事。如果你在大公司上班，你可能享有知名品牌的好處，或是專案有很多預算；如果你替迷你的新創公司工作，你的能力有可能是專注與快速行動。不過，最能派上用場的能力通常是傳統的專業技能（know-how）：
凱蒂是機械工程專家，主要做工業控制。
吉姆也是機械工程師，專長是數據中心。
維達是電腦科學專家，專門做人工智慧。
凱蒂、吉姆和維達在各自的領域都是世界級的人才─有如女籃的凱特琳．克拉克（Caitlin Clark）與男籃的「詹皇」詹姆斯（LeBron James）─但光是他們的能力，還不足以完整呈現他們的獨特優勢。
接下來，我們來看第二種優勢：動機。動機是你想解決這個問題的特殊原因；你願意傾盡心力的事，別人不一定願意。動機也很重要，因為動機能指明一條路，讓你躍躍欲試，知道該在何處以什麼方式發揮長處。
凱蒂、吉姆和維達三位未來的創辦人，全都想要解決重要的問題，帶來正面的改變。這種精神令人欽佩，但過於籠統。我是說，很多人當然都想「讓世界更美好」─但唯有動機十分明確的時候，才能協助你決定該做什麼，所以講得再明確一點：
傳統的工業控制系統升級方式讓凱蒂沮喪。
實體系統的限制讓吉姆沮喪。
維達想運用AI替人類解決大型的問題。
注意到了嗎？以上三人中的兩人，主要是沮喪帶來了動力。如果你的動機也一樣，嘿，沒關係的。世上最優秀的產品，有的就是源自為現況感到憤慨、困惑、惱火、痛苦或抓狂。你不一定要從偉大的願景起步，憤怒也能帶來力量。
好，能力和動機加在一起後，三位未來創辦人的優勢變得更獨特。但他們分別會開哪種公司？讓我們進一步了解他們的故事。
兩年後，在2016年3月9日，維達站在南韓首爾四季飯店的會議室，透過現場影片串流，目不轉睛地看兩個人比賽圍棋。
棋桌的一方坐著李世乭，他是拿過18次世界冠軍的專業棋士。另一方則是業餘人士兼維達的同事。
維達看著同事下一個白子，接著注意力一下子回到會議室。電腦螢幕顯示數十張圖。「勝率圖」頓時表示對白方有利。
電腦認為能打敗看似無敵的冠軍李世乭。
過去幾天，維達和團隊成員─15名剛從倫敦飛來的電腦科學家─把會議室改造成臨時的控制中心。AI程式AlphaGo就是他們設計的。他們在控制中心把AlphaGo認為棋子該怎麼下，轉告給維達的同事，那名同事負責把棋子擺到真實世界的棋盤上。
那場比賽的贏家可以獲得100萬美金的獎金。有沒有人跟我一樣，覺得這個場景像是15名科學家合演高科技搶劫片《瞞天過海》？只不過李世乭其實是在和AI比賽，不是什麼祕密。裁判知道，李世乭知道，每個人都知道。全球各地轉播這場比賽，數百萬人觀戰，不過大部分的圍棋專家都認為圍棋太複雜，電腦不可能獲勝。
然而，在那個首爾的三月天，AlphaGo贏了。
數千英里外，吉姆仍在設法改良Google數據中心的冷卻系統。AlphaGo的故事如火如荼展開時，他偶然聽到這件事，備感著迷，開始追蹤首爾的最新情形，一點細節都不放過。
吉姆挖掘細節時得知，AlphaGo的AI使用「深度強化學習」（deep reinforcement learning）這個突破性的方法。吉姆冒出一個瘋狂的點子。深度強化學習會不會有助於冷卻數據中心？畢竟隨時找出最佳的控制配置，有一點像是在圍棋賽中找出最好的一步。
維達的團隊替DeepMind工作，而DeepMind是Google旗下的公司。這不正好。雖然吉姆沒見過他們，但嚴格來講大家都是同事。維達於是寄電子郵件給DeepMind團隊，解釋他的瘋狂點子。
維達認為這個數據中心的挑戰很吸引人，同意試試看。接下來密集的幾星期，維達、吉姆和DeepMind的工程師團隊，寫出新的深度強化學習程式，把Google數據中心的冷卻系統，交給這個新AI負責。
電力使用起初暴增，因為AI做起實驗，隨機調整控制設定，就像小朋友亂按汽車音響上的鈕。不過，AI也和幼兒一樣會學習，強化有效的策略，用電因此出現改善，再改善，持續改善，最後和AlphaGo一樣超越人類，Google數據中心的用電因此銳減四成。
我等一下會繼續說這則故事，但先來看維達和吉姆合作後發生的事。他們整合雙方的能力─吉姆的數據中心專業能力，加上維達的人工智慧魔法─打造出單打獨鬥生不出來的東西，發揮特殊的優勢。不過別急，好戲還在後頭。
2019年，吉姆和維達結識凱蒂─那位擅長翻新工業控制系統的機械工程師。三人開始討論如何能在Google以外的世界，減少能源浪費。廠房在加熱、冷卻與操作各種設備時，耗用大量的電力。AI也能在這方面幫上忙嗎？
吉姆和維達相信他們能大幅改善工廠的能源使用─但需要借重凱蒂的實務知識，才有辦法設計、販售與裝設解決方案。凱蒂曾在詮宏空調（Trane）、英格索蘭工程技術公司（Ingersoll-Rand）、雷神國防承包商（Raytheon）等企業，帶領過工程與創新團隊。她清楚製造商如何作決定，也了解工業控制系統的缺點。吉姆和維達熟悉的是Google經過精心設計的數據中心，而工業廠房的世界遠比那混亂─凱蒂則熟悉這個領域。三人決定放手一搏，辭去工作，在2019年底成立新創公司淮德拉（Phaidra）。
淮德拉是我們Character資本最早投資的一批公司，他們的故事深深啟發了地基衝刺。他們從大膽的專案起步：企圖運用AI讓各種工業廠房更有效率。他們測試點子，學習如何建立顧客的信任感，談成第一筆生意。淮德拉先在大型藥廠展開試行計畫，隔年拿到第一筆大訂單，在5座工業廠房部署AI，最終還把服務拓展至數據中心。維達、吉姆與凱蒂在2014年渴望見到的超越人類、具備適應性、能預測未來的系統，如今成真。
三人能成功的原因是第三種優勢也登場：洞見。
洞見是指對問題與顧客有深入的了解。洞見讓你擁有別人沒有的觀點。吉姆有數據中心的洞見，維達有深度強化學習的洞見，但淮德拉的策略能成真，仰仗的是凱蒂具備工業廠房─以及擁有那些工廠的企業─如何運作的洞見。
淮德拉三位創始人的能力與洞見加在一起，得出獨特的東西。你可以想成一條等式：
能力＋洞見＋動機＝特殊優勢
凱蒂、吉姆和維達見面時，心想：「天啊！想想我們聯手能做到的事！」淮德拉公司或許算極端的例子，但你也能和團隊利用特有的優勢，帶來屬於你們的「天啊！」時刻。
節錄自：時報出版《商品決勝點：全球最成功的產品設計師如何讓顧客買單》／傑克納普, 約翰澤拉斯基 著
問卷設計用AI怎麼做？Gemini輔助6步驟完成Google表單、自動分析結果
市場調查是很專業的工作，不過如果只是小規模的市調，也可以用AI工具幫忙設計，好處是可以快速獲得方向跟靈感，節省憑空構思問題的時間！作者以Gemini示範如何快速完成Google表單問卷，以及運用AI統計問卷結果並加以分析。本文節錄自《最強！Google AI 工作術》。
文／蔡宜坦、施威銘研究室
本文目錄（點擊可快速前往）
問卷設計快速生成！請AI幫忙設計問卷內容如何把準備好的問卷題目製作成Google表單？Google問卷表單回覆怎麼看？讓AI幫你深入分析問卷結果
企業若能掌握消費者的消費意向，便能推出更符合需求的產品或服務。想要了解消費者的需求與意願，最常見的方法就是做「市場調查」，例如新品試用調查、滿意度調查等，這些方式都能獲取消費者最真實的意見回饋。
然而，市場調查是很專業的工作，涉及問題分析、抽樣方法、樣本規模、問卷設計、問卷發放、問卷回收與結果分析等，每個環節都要謹慎處理，以免誤差影響分析結果。市面上有許多公司提供線上市調服務，但是大部分都需要付費。其實如果只是小規模的市調，也可以用AI工具幫忙設計，不僅如此，AI還能統計問卷結果並加以分析，會成為你的市調好幫手！這一節我們就要實做用AI協助做線上市調問卷的過程。
使用AI：
Gemini：https://gemini.google.com/
問卷設計快速生成！請AI幫忙設計問卷內容
假設你已經想好問卷的目標，例如想要問消費者對新產品的購買意願、想要調查某活動的滿意度等，在設計問卷時，就可以透過提示詞告訴AI你想做什麼，讓AI協助生成相關的問題。
下面就以「市集活動滿意度調查」為例，我們要請AI擬出10個問題，詢問消費者對活動中每個環節的滿意度，作為下次辦活動的參考：
【提示詞】幫忙設計〔問卷主題〕問卷要收集〔填入收集資料〕，可以參與問卷填寫後的〔填寫後提供獎勵或進一步互動方式〕我想知道〔描述目標使用者〕的顧客對於〔可輸入更多想提問的項目〕的滿意度和印象好（或不好）的地方請設計〔指定生成數量〕個題目
圖／旗標科技《最強！Google AI 工作術》
輸入提示詞後，AI馬上就做出一份問卷，包含問卷標題、問卷前言、還有10個題目的問答項目。像這樣請AI製作問卷，好處是可以快速獲得方向跟靈感，而且AI整理的問題有明確的架構，例如它先問活動體驗，再問回饋建議，最後才是填寫抽獎資料，這已經具備基本的問卷架構，可以節省憑空構思問題的時間。你也可以再請AI調整或是自行增減項目，製作出更符合需求的問卷。
【問卷設計】GEMINI生成結果：
包括：問卷標題、問卷前言（簡介問卷內容和說明獎勵機制），可提升受訪者的參與意願
圖／旗標科技《最強！Google AI 工作術》
擬出十個問題（節錄）
圖／旗標科技《最強！Google AI 工作術》
如何把準備好的問卷題目製作成Google表單？
假設AI產生的問卷題目大致符合需求，接著就要將題目製作成可正式發布的問卷。目前大多數線上市調都是以Google表單製作的，如果你從來沒有製作問卷的經驗，也可以請AI教你製作步驟，下面就為你示範（如果你對Google表單已經很熟悉，即可略過此部份的說明）。
1. 直接請AI教我們做：AI馬上列出操作步驟，跟著步驟即可將問卷內容建立成Google表單。由於前面已經請AI準備好題目，可以在設定題目時派上用場。
【提示詞】可以教我如何將問卷內容轉換成Google表單嗎？
圖／旗標科技《最強！Google AI 工作術》
2. 登入並新建Google表單：試著按照AI第1個步驟的說明，進入Google表單網頁：https://docs. google.com/forms/。進入Google表單後，會看到一個「+」鈕，按下此鈕就可以建立新表單，要在登入狀態才能使用這功能。
圖／旗標科技《最強！Google AI 工作術》
3. 輸入表單標題及說明：接著會進入「未命名表單」的填寫畫面，請依序輸入表單標題與問題/答案。只要將剛剛AI寫的內容依序複製過來即可。
選取並複製問卷標題，貼到表單標題欄位（可再自行修改）
選取並複製問卷前言，貼到表單說明欄位（可再自行修改）
圖／旗標科技《最強！Google AI 工作術》
4. 輸入表單問題及答案：接著開始輸入問卷中的問題／答案。之前AI已經幫我們把問題列好，直接複製到Google表單中即可，你當然也可以繼續視狀況調整。
複製AI寫好的問卷問題，將問卷的問題貼到表單中
選擇「評分」，就會自動出現五個星等的選項
按此「+」按鈕可以繼續新增下一個問題
圖／旗標科技《最強！Google AI 工作術》
5. 完成後選擇發布：請繼續依照相同的操作，陸續以AI生成的問卷內容為基礎，複製到Google表單，並視需求修改文字內容，表單內容會自動儲存在Google的雲端硬碟裡。最後，按下右上角的發布鈕，即可完成問卷的製作。
按下「發布」按鈕
目前設定是只有知道連結的使用者才能進入問卷頁面，再次按下「發布」鈕即可
圖／旗標科技《最強！Google AI 工作術》
6. 取得問卷連結：問卷發布後，我們只要取得這份問卷的連結，即可分享出去，比如將問卷網址置入社群網站或是電子報，邀請別人來填寫這份問卷。
已經發布的表單，這裡的發布鈕會變成「已發布」鈕，請按一下
圖／旗標科技《最強！Google AI 工作術》
按「複製作答者連結」按鈕。你可以勾選縮短網址項目，讓網址更簡短好記。按複製即可複製此問卷的連結，接下來就可以把這個連結分享給目標消費者了。最後按「儲存」鈕。
圖／旗標科技《最強！Google AI 工作術》
Google問卷表單回覆怎麼看？讓AI幫你深入分析問卷結果
延續前一節的內容，當顧客填完問卷後，可以等累積到一定的量（樣本數），再開始統計資料，以便從數據中統整出有價值的資訊。本節我們要先從Google問卷表單中取出顧客的回覆資料，接著就可以請AI來統計和分析問卷的結果了。
瀏覽Google問卷結果並另存新檔
問卷調查進行一段時間後，當你登入Google表單，切換到回覆頁次，即可瀏覽顧客的回覆。為了方便後續用AI分析結果，我們要將問卷結果匯出成Excel試算表檔案。
切換到「回覆」頁次可查看顧客的回覆。按下「在試算表中查看」即可自動將問卷結果匯出成試算表，點擊「建立」。
接著會自動開啟Google試算表，請執行「檔案 / 下載 / Microsoft Excel（.xlsx）」命令，將檔案儲存成Excel格式，並下載到電腦裡
圖／旗標科技《最強！Google AI 工作術》
提醒：如果下載的是逗號分隔值檔案（.csv），表單中有些中文字會變成亂碼，因此建議儲存為Excel檔。
請AI分析問卷結果
前面我們已經準備好問卷回覆的統計表（Excel 格式 /.xlsx），接下來只要把檔案丟給AI，就可以請AI幫我們分析了，非常方便！
【提示詞】協助分析活動的優缺點
直接把檔案丟給AI，請AI分析活動的優缺點。AI馬上做出優缺點分析報告，你可以看到整體評分、優缺點、改進建議等細節，也可以繼續發問，和AI討論怎麼做會更好
圖／旗標科技《最強！Google AI 工作術》
從這一章就可以知道，以前需要想破頭的文案，還有費時費力的問卷調查與分析工作，現在已經可以靠AI節省大把時間囉！就連研究報告也可以讓AI助你一臂之力喔！
節錄自：旗標科技《最強！Google AI 工作術：以 Gemini 3 為核心，串聯 NotebookLM 與滿滿 AI 工具, 搞定資料分析、簡報製作、 教育訓練等日常工作》／蔡宜坦、施威銘研究室 著
推薦閱讀：
搞定會議紀錄！AI語音轉逐字稿怎麼做？NotebookLM、Gemini操作解析
AI生成簡報工具怎麼選？Gamma、Felo、NotebookLM等6大AI工具推薦
如何用AI準備證照考試？NotebookLM學習備考超實用5步驟完整解析
AI如何看穿客戶潛在需求？3招幫B2B業務找到商機
在AI時代，B2B業務真正的挑戰轉向了「資訊的處理與轉化」。作者為深耕產業超過20年的B2B業務專家，教你3招用AI判斷對方「現在為什麼需要你」。透過AI分析企業財報、法說會、徵才資訊與決策者的公開動態，業務可以從零碎訊號中找出客戶尚未明說的需求，掌握更精準的提案時機。本文節錄自《90%高級主管出身業務，B2B聖經》。
文／吳育宏
本文目錄（點擊可快速前往）
大海撈針已過去，精準打擊才是關鍵為什麼AI是B2B業務的最佳情報員？一、情報蒐集的第一步：建立客戶的「數位畫像」二、從法人說明會到財報：AI如何解讀「老闆的真心話」三、社交媒體的隱形情報：挖掘決策者的個人見解
大海撈針已過去，精準打擊才是關鍵
在B2B業務的世界裡，資訊就是力量，而「資訊不對稱」曾是業務人員獲利的來源。但在AI時代，資訊已經不再稀缺，真正的挑戰轉向了「資訊的處理與轉化」。
過去，一位資深業務可能需要花上10年，才能培養出對產業的敏銳嗅覺，但現在透過AI的輔助，即便是業務新人，也能在極短的時間內展現出專家級的洞察力。
本章將帶你深入探討如何運用AI建立一套精準的情報調查研究系統，從核心邏輯到實戰案例，全面重塑你的業務競爭力。
為什麼AI是B2B業務的最佳情報員？
在傳統的業務開發模式中，蒐集情報是一項極其耗費體力的工作。過去我們習慣「掃街」，或是在搜尋引擎輸入關鍵字，但得到的往往是成千上萬條零散的訊息。這種蒐集方式有3個致命傷：
第一，資訊破碎化，你看到的只是客戶的片段，難以拼湊出完整的商業全貌；
第二，解讀主觀化，人的大腦容易產生偏誤，只看自己想看的，忽略了潛藏的風險；
第三，時效滯後性，當你在報紙上看到客戶的新聞時，競爭對手可能早已採取行動。這種低效率的勞動，正是平庸業務與頂尖業務的分水嶺。
AI的出現，徹底翻轉了這場遊戲。首先，AI具備強大的「彙整力」，如同一具高效能的過濾器，能在短短幾秒內掃描全球的數位足跡，將繁雜的數據轉化為有意義的摘要。
其次，AI擁有強大的「邏輯解析力」，它能識別出資訊之間的隱性關聯。例如，它能從一家公司頻繁招募自動化工程師的動作中，推論出該公司即將進行大規模的數位轉型。
最後，AI具備「多維度聯想力」，它能幫你把看似無關的政策變動、技術突破與客戶需求串聯在一起。簡單來說，AI就像是一個24小時不休息、博學多聞且反應極快的「數位參謀」，它幫你完成了最枯燥的資料過濾，讓你將精力集中在最關鍵的策略判斷。
以下透過實戰案例進一步說明。
一、情報蒐集的第一步：建立客戶的「數位畫像」
在正式接觸客戶前，建立「數位畫像」是決定開發成功率的關鍵。這就像是在進行一場外科手術前的掃描影像，你必須清楚知道對方的組織結構、決策脈絡，以及目前的「健康狀況」。一個好的數位畫像應該具備三維深度：第一，財務體質，這決定了對方口袋的深度與結帳信用；第二，策略方向，這決定了你的產品是否在對方的優先清單上；第三，經營痛點，這就是你切入的缺口。
你可以利用具備強大聯網能力的AI（如ChatGPT或Perplexity），下達具備框架感提示詞：
請分析〔目標公司〕過去兩年的營運重心變化。重點關注： 1. 他們在哪些研發領域投入最多資金？ 2. 他們近期的人才招募偏好？ 3. 他們在社交媒體上最常被抱怨的點有哪些？
透過上述多維度交叉分析，AI能幫你生成一份比官網更真實的「企業性格報告」。你會發現，有些公司看似保守，實則在悄悄布局新技術；有些公司看似高調，實則面臨人才流失的危機。
【實戰案例A：傳產轉型的精準切入】
某位銷售自動化倉儲系統的業務，將一家國內老牌紡織大廠作為目標。過去他多次拜訪，對方總是回應「目前營運穩定，無更換需求」。後來，他利用AI進行深度的調查與研究，分析該紡織廠近3年的公開資訊，以及上游原料供應商的變動。結果發現一個關鍵訊號：該廠近期大幅縮減了國內倉庫的租賃面積，並頻繁與跨境電商平臺接觸。
業務員因此從中解讀出：該廠正從過去「大宗貿易模式」轉向「小量多樣的跨境直銷」，這也意味著，他們過去大面積的倉儲邏輯已不再適用，急需「高頻率、小包裝」的自動化揀貨系統。於是，他在提案時直接以此為題，精準命中對方老闆隱而未現的焦慮，在第一場會議就成功取得評估測試的機會。
二、從法人說明會到財報：AI如何解讀「老闆的真心話」
對於上市櫃公司，法人說明會（編按：又稱法說會，上市公司向機構投資人報告營運狀況、財務績效，及未來產業展望的正式會議）與財報是業務人員的「戰略地圖」。但問題在於，財報充滿了冷冰冰的會計數字，而法說會逐字稿動輒上萬字，內容充斥著官腔與專業術語。業務員往往因為看不懂或沒耐心，而錯過了最核心的銷售訊號。
事實上，老闆在法說會上對分析師說的話，往往隱藏著他們最真實的壓力來源，因為他們必須對股東負責。現在，你可以把AI當成你的「首席財務分析師」，將法說會的錄音轉成文字後，直接餵給AI，下達精準的提示詞：
請閱讀這份兩萬字的法說會紀錄，幫我回答3個問題： 1. 老闆對於明年預算撥款最謹慎的領域在哪？ 2. 哪些部門目前正面臨產能或成本的壓力？ 3. 老闆反覆強調的3個關鍵詞是什麼？
AI就能瞬間把冗長的報告濃縮成一張「商機表」。這種解讀力能讓你避開客戶的地雷區，直接針對對方的「獎金區」進行提案。
【實戰案例B：從招募資訊看穿採購需求】
一位IT系統整合商的業務員想開發一家中型製造商。他在AI的協助下，分析該公司在人力銀行的招募數據後發現，該公司過去3個月密集招募具備「雲端資訊安全」 背景的工程師，且應徵條件特別強調「混合雲架構管理」（編按：指用一套整合性的方式，去管理「同時使用公有雲＋私有雲＋本地機房」的IT系統與資源）。
業務員立刻判斷出，這家公司正處於從本地端主機遷移到雲端的過渡期，且內部非常擔心資安漏洞。他在開發信中避開了通用的軟體介紹，而是寫道：「針對製造業在遷移雲端過程中，如何確保舊有製程數據不外洩的實務分享」。這封信在發出後的兩小時內，就得到了該公司資訊長（Chief Information Officer，簡稱CIO）的親自回覆，因為這正是他當下最頭痛、最需要外部專家協助的課題。
三、社交媒體的隱形情報：挖掘決策者的個人見解
在B2B銷售中，訂單成敗往往取決於「決策圈」裡的那群人。這群人包含了使用者、影響者、採購者與最終決策者。每個人的喜好、價值觀與恐懼點都不同。以往我們只能透過碰面來觀察，但現在數位足跡讓每個人都變得「透明」。透過分析決策者在LinkedIn 或專業社群的公開言論，AI能幫你進行深度的「人物側寫」。
延伸閱讀：AI也能用來經營人脈！從零碎資訊看懂對方，找出溝通切入點
你可以請AI協助分析目標對象近期的公開互動。例如，某位技術長（Chief Technology Officer，簡稱CTO）最近頻繁轉發關於「邊緣運算」（編按：Edge Computing，將人工智慧的運算任務，從遙遠的雲端資料中心，轉移至更貼近使用者的終端裝置上執行）的文章，這代表他對於中央集權式的系統有疑慮；或者某位採購經理在專業論壇上抱怨過「供應商售後反應太慢」，這就是你突圍的機會。透過AI的情緒分析與偏好歸納，你能為每位決策者量身打造專屬的「溝通頻率」。這不是投其所好，而是真正的同理心展現，讓你的提案在對方心中產生共振。
【實戰案例C：用老闆的話，說服部屬】
某位銷售節能設備的業務，目標客戶是一家電子代工大廠。他原本的對口單位是總務部，對方總以「節電效果有限，回本太慢」為由推辭。後來，業務員改變策略，利用AI分析該集團董事長在股東會上的致詞，與年報中的ESG承諾。AI幫他抓出一個關鍵點：集團董事長已公開承諾「在兩年內達成15%的減碳目標，且此目標與各部門主管的年度績效考核掛鉤」。
業務員拿著這份資料，重新向總務部提案，標題改為：「如何協助貴部門達成董事長要求的15%減碳績效，確保部門KPI達標」。這一次，總務部主管不再推託，反而積極主動的向高層請購，因為這項提案直接關係到他的績效與升遷。
節錄自：大是文化《90%高級主管出身業務，B2B聖經：從跑客戶到利用AI問對問題，這是你薪水翻倍、卡位晉升、認識大老闆的最快成功捷徑！》／吳育宏 著
為什麼我的AI特別難用？掌握五大AI職場溝通術，讓它成為你的最佳助理！
「幫我摘要」、「寫個企劃」，拋出這些指令所產出的結果，是否讓你對AI的期待一再落空？若答案為是，你可能正錯失AI高達九成的潛在生產力。AI的強大與否，取決於「提問的品質」。本文並非提供生硬的指令模板，而是要建立「AI溝通邏輯」。我們將透過B2B業務開發、會議紀錄等真實商務場景，展示如何透過「精準提問」，讓AI在幾分鐘內產出深刻的商業洞察，讓工作效率與決策品質提升至全新層次。
文／人資市集
前言
你是否也曾興致勃勃地打開 ChatGPT 或 Gemini，想讓它規劃一份行銷企劃，結果出來的卻是千篇一律的空洞答案？或者，想請它整理一份會議紀錄，但抓的重點總是搔不到癢處？
如果你曾遇到以上窘境，甚至開始懷疑 AI 是否言過其實，那麼問題可能不是出在 AI 太笨，而是我們「還沒學會如何與它有效溝通」。
AI 如同一個知識淵博、能力超群的「超級實習生」，它什麼都會，但就是不懂你的習慣與真正的需求。而這門課程將揭示，如何透過學習「與 AI 對話的藝術」，徹底解決溝通卡關的痛點，將這位實習生，培養成我們最強大的工作夥伴。（內容摘自104 人資市集《 AI職場溝通術：LLM大型語言模型應用技巧》線上課程）
痛點一：為何我說破嘴，AI 還是不懂我？
「幫我寫個計畫。」、「這份資料摘要一下。」
這種模糊的指令，正是導致我們與 AI「來來回回、無效溝通」的元兇。當我們給的指令不夠精確，AI 就只能靠「猜測」來完成任務，結果自然難以符合期待，導致你會覺得使用 AI 比不用還花時間。
這門課程的核心，就是要教你擺脫這種依賴運氣的溝通方式。透過學習一套有系統、有邏輯的「提示工程（Prompt Engineering）」方法，你下的每一道指令，都能像GPS導航一樣精準，直達目的。
解鎖精準度的秘密：為 AI 注入「角色靈魂」的五大要素
那麼，如何打造一道精準的指令？關鍵在於「角色扮演」。與其把 AI 當成冰冷的機器，不如將它視為一位特定領域的專家。這裡將告訴大家一套萬能公式，透過掌握以下五大要素，就能讓 AI 的產出品質大躍升：
身份標籤 ： 定義具體且專業的職位。與其跟 AI 說「你是一個文章編輯」，不如說「你是一位擁有20年經驗的旅遊書本編輯」，AI 就會戴上專家的眼鏡，提供更深入的見解。
目標受眾： 決定資訊密度與難易度。讓 AI 知道這段話要說給誰聽。指令中加入「我的受眾是公司董事會」，AI 就會講求數據與投報率；若受眾是小學生，AI 則會改用故事和比喻。
語氣風格： 模仿特定的思維模式。你可以要求 AI「你是一位嚴格的雜誌總編輯」，它就會用更嚴苛、更嚴謹的角度來審視文章，找出所有潛在問題，而不只是溫和地給予建議。
任務邊界 ： 設定知識範圍與限制。給出具體的「該做」與「不該做」，避免 AI 胡說八道。例如「請規劃食譜，但不要推薦任何需要烤箱的料理」，這樣就能得到真正可行的方案。
互動引導(CoT)： 啟動思維鏈 。面對複雜任務時，命令 AI：「在開始前，請先對我提問，以搜集你需要的資訊」，透過一來一往的討論，共同產出最完美的報告，而不是讓 AI 一口氣生成所有內容。
掌握這五點，就像是為 AI 提供了一份清晰無比的工作說明書(Job Description)，它將徹底停止猜測，開始精準執行。
痛點二：工作場景複雜，AI 真的能幫上忙嗎？
理解了方法論，讓我們看看它在真實商務場景中的威力。
【使用範例一：B2B 業務的超級武器 —「企業先知」】
情境： 明天要拜訪一家潛力大客戶，但手上那份上百頁的客戶年報，根本沒時間細讀。
痛點： 如果不了解客戶的狀況就貿然拜訪，很難切中要害，甚至可能錯失商機。
AI 解決方案： 課程將教您如何活用上述五大要素，建構出如下的「企業先知」Prompt：
透過這樣精準的指令，AI 就能在幾分鐘內，為您產出一份直指核心的「商業洞察報告」，讓您充滿自信地走進會議室，一開口就「輕鬆講出對方的痛點」，讓客戶對您的專業刮目相看。
【使用範例二：會議後的定心丸 —「會議記錄員」】
情境： 剛結束一場與客戶長達兩小時的重要會議，錄音檔裡充滿了各種決議、待辦事項和客戶的臨時想法。
痛點: 會議結束後，馬上要投入下個任務，根本沒時間重聽錄音。光靠潦草的筆記，深怕遺漏了關鍵承諾或重要細節，若沒即時追蹤，可能影響客戶信任，甚至丟掉案子。
AI 解決方案: 課程中的「會議記錄員」Prompt，能將冗長的會議逐字稿，瞬間變成一份結構清晰、重點明確的行動指南：
別再讓無效溝通，限制了你和 AI 的潛力
從快速洞察客戶需求、整理海量用戶回饋，到撰寫全公司公告，AI 的應用潛力遠超你的想像。要解鎖這股強大的力量，關鍵就在於「精準提問」。這門課不僅僅是教你幾個指令模板，更是要建立一套屬於你的「AI 溝通邏輯」，讓您未來面對任何工作挑戰，都能舉一反三。
厭倦了對 AI 雞同鴨講嗎？想體驗指令一下、成果到位的暢快感嗎？
立即加入「 AI職場溝通術：LLM大型語言模型應用技巧」課程，學習如何駕馭 AI，搭配9大職場實用範例，讓您的工作效率與決策品質，提升到全新的層次！
企業用戶歡迎申請課程免費試閱，並選擇「104人資市集 | 企業訂閱制方案」，課程每人每年最低33元起/堂，最低$10,000起搞定全公司整年度的AI導入培訓。亦可團購或授權課程，歡迎點擊下方專人諮詢。
免費試閱
了解方案
專人諮詢
提升員工帶動企業的成長！最划算的教育訓練方案首選>>
超過7000+的HR都報名過的104人資學程！求職成效提升至4.5倍！>>
成為人資市集Line好友獲得最新課程優惠及免費講座資訊>>
訂閱人資市集電子報獲得專家工作分享及產業新知 >>
「MECE」原則是什麼？頂尖企業菁英都推崇的思考方法│職場百科
「MECE」原則（Mutually Exclusive, Collectively Exhaustive）是麥肯錫顧問公司提出的經典邏輯思考與分析方法，被許多頂尖公司的菁英、企業顧問認為這種思考方式提供「降低大腦認知負載」與「建立團隊信任感」的最高效框架，能建立結構化思考、防止分析出現死角，在AI時代更是能提出正確提示詞、建立高質量底層邏輯的方式。
文／《104職場力》
本文導覽
「MECE」是什麼意思？「MECE」原則常會使用的5種拆解問題方法職場中常套用「MECE」原則的3大場景「MECE」原則可以運用在AI協作上嗎？
你知道什麼是「MECE」原則嗎？
「MECE」原則或稱「MECE」分析法，即所謂「不重不漏」，彼此之間獨立，但是互相加起來就沒有遺漏的思考方式，其核心精神是在分析或解決問題時，將複雜事項拆解成多個子項目，確保項目之間不重疊（不重複）、整體加總又不遺漏（無遺漏）。
「MECE」是什麼意思？
「MECE」其實是4個單字的縮寫：「Mutually（互相）、Exclusive（獨立）、Collectively（集體）、Exhaustive（詳盡）」，意義是「相互獨立，完全窮盡」。
核心原則
相互獨立（Mutually Exclusive, ME）：分解出的子項目或分類，彼此是互斥且獨立的。這意味著任何一項事物只能歸類在一個子項目中，沒有交叉重疊。
完全窮盡（Collectively Exhaustive, CE）：所有子項目的總和，涵蓋了整體的所有面向，沒有遺漏。
譬如以《Cheers快樂工作人》文章中所舉的案例，若談到方向，只提「東、西、南」就只做到互相獨立、但沒有「互無遺漏」（因為漏了「北」），必須同時提到「東、西、南、北」才是完全符合「MECE」原則的。
同理，當討論方向時提及「東、東南、南」也不合適，因為「東南」同時涵蓋了東與南，並不算完全獨立。
案例舉例
進一步以人力銀行常見的使用者輪廓來舉例：
符合「MECE」原則的分類：將台灣人口分成「20歲以下、21至45歲、46至65歲、65歲以上」，所有年齡層均不重疊，並且完整涵蓋所有年齡層，並無遺漏。
不符合「MECE」原則的分類：將使用者分成「男人、女人、年輕人」、「中高齡、兼職、正職」。因為「年輕人」中可能同時包含了男人與女人、「中高齡」也可能同時包含兼職員工和正職員工，分類項目發生了重疊。
延伸閱讀：用MECE原則寫工作Email：麥肯錫專家教你「複雜的事簡單說」
「MECE」原則常會使用的5種拆解問題方法
要在思考中應用 MECE，您可以透過以下常見的維度來分類或拆解問題：
二分法：最基礎的拆解，將事物分為相對的兩極。例如：「是／否」、「事實／非事實（感受）」、「線上／線下」、「內部／外部」。
流程法（階段法）：依據時間軸、步驟或生命週期拆解。例如：產品的「研發、製造、行銷、銷售、客服」。
公式法：利用數學或邏輯公式拆解。例如：「利潤 = 銷售額 - 成本」，或「營業額 = 流量 × 轉換率 × 客單價」。
利害關係人法：從不同受眾或相關者的角度切分。例如：學校專案的利害關係人可拆解為「學生、老師、家長、校方」。
矩陣／架構法：使用二維矩陣分類，能涵蓋各種情境。例如：知名的「波士頓矩陣」（將業務分為明星、金牛、問號、狗四類）。
職場中常套用「MECE」原則的3大場景
在現代職場的專案以及愈來愈活躍的AI運用上，「MECE原則」的思考方式能協助建立結構化思考、防止分析出現死角。 例如在專案流程中能幫助釐清各部門負責的權責，在與AI應用工具、如LLM的互動上，能夠更有效率的「餵給AI正確的提示詞（Prompt），藉此建立高質量數據模型的底層邏輯，省時省力的完成訓練工作。
很適合套用「MECE」原則的職場場景如下：
診斷問題（常見如「魚骨圖法」）當業績下滑時，利用 MECE 將原因拆解為內部因素（產品品質、定價策略）與外部因素（競爭對手打折、整體經濟衰退），確保沒有漏掉任何潛在病因。
工作分解（常見如「專案任務拆解」）籌備一場大型研討會時，將專案依流程法拆解為「前置宣傳、現場執行、善後收尾」三個互不重疊的階段，並明確指派負責人，避免多名員工在重複做同一件事，或是工作量過度集中在特定的人身上、卻有其他閒置人員。
目標管理（常見如「OKR」目標設定）利用公式法拆解關鍵結果（KR）。若公司目標是「提升營收」，可將 KR 拆解為「提高新客獲取率」與「提升舊客續約率」，兩者獨立不重疊，且加總即為總營收增長點。
「MECE」原則可以運用在AI協作上嗎？
絕對可以！而且比以往更重要。
儘管AI運算速度極快，但通常缺乏商業邏輯與脈絡，必須依賴人類透過「MECE原則」為其引路，才能激發給出更精確完整的回應，發揮最大的效能，建議可嘗試以下幾個方向來進行：
結構化提示詞（Prompt Engineering）：若直接請AI分析「如何提升產品銷量」，通常AI只能給你最保險、空泛而且淺層的「大眾化回答」。但如果改用「MECE」原則來提問，例如很精準的提出：「請從線上（社群、電商）與線下（實體零售、快閃店）兩個互斥維度，為我分析提升銷量的具體策略」，AI 產出的方案品質將大幅提升。
機器學習的特徵工程（Feature Engineering）：在建置AI數據模型時，如果輸入的數據特徵存在高度重疊（例如：同時輸入「出生年份」與「年齡」），會導致模型產生「共線性問題」而失準。可以運用「MECE」原則的相互獨立特性來篩選數據，確保機器學習模型更加精準。
AI生成結果的驗證與除錯（Debugging）：當AI產出一份市場調研報告後，使用者可以透過「MECE」原則來建立檢核表、審視資料內容與除錯，譬如給予指示：「這份報告是否完全窮盡了所有競爭對手？分類上是否有相互重疊的模糊地帶？」以此來彌補 AI 容易產生的「幻覺」或邏輯漏洞。
在資訊流通快速且人工智慧飛速發展的AI時代，MECE 原則看似只是簡單的「不重複、不遺漏」，代表的是能將混亂資訊梳理清晰的「結構化思考力」，背後蘊藏高效的商業邏輯與對策，能夠幫助我們在與人協作的「跨部門專案」，或是與AI工具之間的深度對話，都能快速精準的找到問題核心。
善用「MECE」原則，將能讓您在現代職場中建立條理分明的思緒，發現解決問題的捷徑。
延伸閱讀：
什麼是「MarTech」？為什麼企業需要行銷科技來輔助營運？│職場百科
冷啟動是什麼？PM行銷必學「從0到1」的破冰策略│職場百科
「同值同酬」是什麼？跟同工同酬不一樣嗎？│職場百科
BA／SA／產品經理職涯升級：把需求分析經驗，變成履歷上看得見的商業分析力
如果你是 BA、SA、產品經理、PO，或正在參與系統導入、產品規劃、需求訪談相關工作，你可能早就在做商業分析。
只是很多時候，這些能力被包在日常工作裡，看起來像是：
🔸訪談使用者需求
🔸整理規格文件
🔸確認功能範圍
🔸協調業務、工程、設計與主管期待
🔸評估方案可行性
🔸排定需求優先順序
🔸處理需求變更與利害關係人溝通
這些工作看似瑣碎，其實背後都在回答一個核心問題：
這個需求，真的值得做嗎？
如果要做，怎麼做才會對組織、客戶與團隊產生價值？
這就是商業分析的價值。
很多 BA／SA／產品經理不是沒有專業，而是專業太常散落在一個個專案、一場場會議、一份份規格文件裡。
做了很多年，卻不一定能清楚整理成履歷上的能力、主管看得懂的價值，或跨部門可以信任的專業方法。
這也是為什麼，PMI-PBA® 很適合已經有需求分析、系統分析、產品規劃或專案協作經驗的人。
PMI-PBA® 的價值，不只是多一張國際證照，而是協助你把過去累積的需求經驗，整理成一套更完整、更系統化，也更容易被職場理解的商業分析能力。
對 BA 來說，PBA 可以幫助你把需求訪談、需求分析、利害關係人溝通與價值判斷整理得更有架構。
對 SA 來說，PBA 可以幫助你從系統規格與技術邏輯，再往前補上問題定義、需求釐清與方案評估能力。
對產品經理／PO 來說，PBA 可以幫助你更扎實地理解使用者需求、定義產品價值、評估優先順序，讓產品決策更有依據。
你做的不是單純寫需求文件，也不是只把大家說的話整理起來。
你真正做的是協助團隊釐清問題、看見價值、做出更好的決策。
為什麼 BA／SA／產品經理值得學 PMI-PBA®？
✅ 把需求分析經驗整理成國際認可的專業能力
✅ 強化問題定義、需求釐清與價值判斷能力
✅ 提升利害關係人溝通與跨部門協作能力
✅ 讓履歷上的專案經驗更有架構、更有說服力
✅ 從「把需求寫清楚」進一步走向「幫團隊做對決策」
如果你希望自己的專業不只是「做很多年」，而是能被更清楚地看見、理解與信任，PMI-PBA® 會是很值得規劃的下一步。
長宏 PMI-PBA® 第44屆視訊班
📅 課程日期：2026/09/05－2026/10/03，每週六
💻 上課方式：Zoom 線上直播＋錄影回放
🎯 適合對象：BA、SA、產品經理、PO、系統導入、需求分析、專案協作相關職能
📌 適合正在累積需求分析經驗，並希望把能力系統化、國際化的職場工作者
早一點開始整理自己的專業，未來在專案、轉職、升遷與跨部門協作中，就能早一點派上用場。
👉 歡迎預約報名：
https://www.pm-abc.com.tw/Member/Registration_PBA
有任何收穫或想分享的，都來和大家一起聊聊吧！