104學習精靈

數據程式

數據程式
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
「數據程式：負責設計、開發及維護數據分析程序，以支持公司決策與業務成長。主要職責包括數據清理、建模及可視化，確保數據準確性與即時性。此角色需具備扎實的程式設計能力，熟悉Python、R等編程語言，並具備SQL數據庫操作經驗。此外，需良好的跨部門協作與溝通技巧，以便與業務部門共同解析數據需求及解決問題。在台灣的舊有商業文化中，對數據的信任逐漸增強，此職位在有效運用數據資源提升企業競爭力方面舉足輕重。」
關於教室
關注人數 12 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
學習主持人
持續分享知識，
有機會成為官方教室主持人
教室標籤
  • 數據程式
    • 關於教室
    關注人數 12 人
    104人力銀行從職缺中挑選出常見技能所成立的官方教室，提供大家進行共學互動。
    學習主持人
    持續分享知識，
    有機會成為官方教室主持人
    教室標籤
  • 數據程式
    • Hi~ 歡迎分享學習資源，有學習問題可匿名向Giver發問！
    我要分享
    我要提問

    數據程式 學習推薦

    全部
    影片
    文章
    PM雜學相談室－新手轉職PM交流區🙌
    關注
    知識貓星球

    喵星人

    2024/07/03

    什麼是 Google BigQuery ? 大型資料庫運用，幫助PM進行市場分析！
    Google BigQuery 是一個完全託管且具有高度可擴展性的數據倉庫解決方案，專為大型數據集的分析設計。它由 Google Cloud 提供，允許用戶使用 SQL 查詢進行大規模數據分析，無需設置或管理基礎設施。BigQuery 具有以下幾個主要特點：
    1. 無伺服器架構：無需管理伺服器或基礎設施，一切由 Google Cloud 自動處理。
    2. 即時查詢：能夠對超大數據集進行快速查詢，支持即時分析。
    3. 自動縮放：可以根據需求自動調整計算資源，確保性能和成本的最佳平衡。
    4. 內置機器學習：支持與 Google 的機器學習工具整合，可以直接在數據倉庫中運行機器學習模型。
    5. 高可靠性和安全性：內置的安全和合規功能，保護數據隱私和安全。
    【PM 可以怎麼運用 Google BigQuery？】
    作為產品經理（PM），你可以利用 Google BigQuery 來達成多種業務目標，以下是一些具體的應用場景：
    1. 用戶行為分析：
    ✔ 跟蹤和分析用戶在產品中的行為數據，如點擊、訪問頁面、使用功能等。
    ✔ 了解用戶使用產品的模式，找出優化產品的機會。
    2. 市場分析：
    ✔ 分析市場數據，了解競爭對手的動態和市場趨勢。
    ✔ 使用數據驅動的洞察來制定市場策略和產品定位。
    3. 業務報告和儀表板：
    ✔ 構建自動化的業務報告和儀表板，實時顯示關鍵業務指標（KPI）。
    ✔ 提供高層管理和團隊成員透明的業務狀況。
    4. A/B 測試和實驗分析：
    ✔ 分析 A/B 測試的結果，找出最佳方案。
    ✔ 驗證新的產品功能或設計變更的效果。
    5. 預測分析：
    ✔ 利用歷史數據進行預測分析，預測未來的趨勢和需求。
    ✔ 幫助制定長期的產品規劃和資源分配。
    6. 客戶細分：
    ✔ 根據用戶行為和屬性進行客戶細分，針對不同用戶群體提供個性化的產品體驗。
    ✔ 提高用戶滿意度和產品的轉化率。
    總之，Google BigQuery 為產品經理提供了強大的數據處理和分析能力，能夠支持更精確和有效的決策，從而推動產品和業務的成功。
    看更多
    0 0 3104 0
    104學習精靈精選課程
    看更多課程
    想提升職場競爭力？專業技能課程看起來👇
    GA4 x Looker studio跨資料源整合＆動態報表實戰｜104獨家
    別讓數據只停留在報表裡。 這堂課將帶你從 GA4 開始，結合 Looker Studio，一步步打造專屬的自動化報表，將流量、轉換與營收數據轉化為真正能用的商業洞察。 不論是行銷、產品還是電商，只要掌握正確方法，數據就能成為你最強的決策後盾。 讓我們一起用數據解決問題、優化策略，讓報表展現成果！
    104學習精靈
    數據分析師｜入門實戰：Excel x AI 打造最強數字力｜104獨家線上課
    你對數據分析感興趣，卻不知道從何開始嗎？ 想要轉職成為數據分析師，但擔心沒有相關經驗？ 這堂課將會是你，開啟數據分析之路的新起點！
    104學習精靈
    【2025/8/23開課】AI 行銷數據分析實戰班：無碼打造儀表板
    課程大綱 AI 行銷思維 & 指標對齊 【行銷必備的關鍵數據指標解讀】 透過「Supermetrics」 快速達到數據整合 透過「快客」快速達到數據整合 透過 「app script」 快速達到數據整合 透過 「Make.com」 快速達到數據整合 透過 「Looker Studio」 呈現儀表板數據 構建數據解讀知識庫 搭配 AI Agent 產出後續動作 自動警報系統 營運指標連動 實戰專案 Demo Day — 打造專屬 AI 儀表板 【本課程將給予完課證明】 完成兩天實戰並通過專案評核後，即可獲得本電子證書，請注意，並非參加課程 100% 可獲得證書，需全程參與課程並測驗結果超過80分，獲得此證明可作為政府補助或公司內部培訓證明。 【這堂課你將可以帶走】 課程儀表板製作成果 老師自製 UTM 使用表格 GA4 維度指標中英對照表 完訓電子證書（需通過測驗達 80分以上）
    數位簡報室
    【2025/7/26開課】AI 行銷數據分析實戰班：無碼打造儀表板
    課程大綱 AI 行銷思維 & 指標對齊 【行銷必備的關鍵數據指標解讀】 透過「Supermetrics」 快速達到數據整合 透過「快客」快速達到數據整合 透過 「app script」 快速達到數據整合 透過 「Make.com」 快速達到數據整合 透過 「Looker Studio」 呈現儀表板數據 構建數據解讀知識庫 搭配 AI Agent 產出後續動作 自動警報系統 營運指標連動 實戰專案 Demo Day — 打造專屬 AI 儀表板 【本課程將給予完課證明】 完成兩天實戰並通過專案評核後，即可獲得本電子證書，請注意，並非參加課程 100% 可獲得證書，需全程參與課程並測驗結果超過80分，獲得此證明可作為政府補助或公司內部培訓證明。 【這堂課你將可以帶走】 課程儀表板製作成果 老師自製 UTM 使用表格 GA4 維度指標中英對照表 完訓電子證書（需通過測驗達 80分以上）
    數位簡報室
    學習精靈

    01/19 00:00

    youtube.com
    2020 MarTech Evolution Day | CRX : 會員數據資產時代的競爭方程式 | 電通集團isobar 夏雨農 數據暨顧客關係行銷 總經理
    164 20
    AI 趨勢報－科技愛好者的產地🤖
    關注
    知識貓星球

    喵星人

    2024/06/02

    3 分鐘了解什麼是機器學習（ML）：4 大模型、常見應用與職缺一次解析！
    機器學習（Machine Learning）已經成為現代科技發展的核心推動力之一，從金融科技到醫療保健，機器學習的應用無處不在。本文將深入介紹什麼是機器學習，解析機器學習的四大模型、常見的產業應用以及相關職缺，幫助你全面了解這一領域的潛力和機會。
    【什麼是機器學習？】
    機器學習的核心概念是讓電腦系統能夠從資料中學習，並根據學習結果做出預測或決策。傳統的電腦程式是透過人類編寫的程式碼來運作，而機器學習則透過演算法自動從資料中提取模式和規則，因此也被稱為「資料驅動型」或「經驗主義」的 AI 技術。
    機器學習的運作流程主要可分為以下幾個步驟：
    ❶ 資料收集和準備： 首先需要收集足夠的資料，並進行清理和預處理，以確保資料的品質和可用性。
    ❷ 模型訓練： 將準備好的資料輸入機器學習模型進行訓練。模型會根據資料中的模式和規則不斷調整自身參數，以提高預測或決策的準確性。
    ❸ 模型評估： 使用未參與訓練的資料對模型進行評估，以檢測模型的效能。
    ❹ 模型部署： 將訓練好的模型部署到實際應用中，以執行預測或決策等任務。
    【機器學習 4 大模型】
    機器學習的模型種類繁多，依據學習方式可分為以下四種主要類別：
    ▍監督式學習： 監督式學習需要在訓練資料中提供標籤（label），以指導模型學習正確的輸出結果。常見的監督式學習任務包括分類（classification）和回歸（regression）。
    ▍無監督式學習： 無監督式學習的訓練資料沒有標籤，模型需要自行從資料中發現隱藏的模式和結構。常見的無監督式學習任務包括聚類（clustering）和降維（dimensionality reduction）。
    ▍半監督式學習： 半監督式學習的訓練資料部分有標籤，部分沒有標籤。模型可以利用標籤資料和無標籤資料來提升學習效果。
    ▍強化學習： 強化學習透過試錯的方式來訓練模型。模型在與環境互動的過程中，根據獲得的獎勵或懲罰來調整自己的行為策略。
    【機器學習常見產業應用】
    機器學習的應用領域十分廣泛，以下列舉幾個常見的應用案例：
    ● 語音辨識： 機器學習可以用於訓練語音辨識模型，將人類的語音轉換為文字。常見的應用場景包括智慧型手機、語音助理等。
    ● 影像辨識： 機器學習可以用於訓練影像辨識模型，從影像中識別物體或人物。常見的應用場景包括人臉辨識、自動駕駛等。
    ● 自然語言處理（NLP）： 機器學習可以用於訓練 NLP 模型，處理和理解自然語言。常見的應用場景包括機器翻譯、聊天機器人等。
    ● 推薦系統： 機器學習可以用於訓練推薦系統模型，根據使用者的歷史行為或喜好，為其推薦感興趣的商品或服務。常見的應用場景包括電商平台、影視平台等。
    ● 金融風控： 機器學習可以用於訓練金融風控模型，評估客戶的信用風險或欺詐風險。
    ● 醫療診斷： 機器學習可以用於訓練醫療診斷模型，協助醫生診斷疾病。
    【機器學習職缺及前景】
    隨著機器學習技術的快速發展，相關職位的需求也在不斷增長。以下是一些常見的機器學習職缺及其前景：
    1. 機器學習工程師
    機器學習工程師主要負責設計、開發和部署機器學習模型。他們需要熟悉各種機器學習算法、編程語言（如Python、R）和框架（如TensorFlow、PyTorch）。該職位的需求量大，薪資待遇也相對較高。
    2. 數據科學家
    數據科學家需要具備數據分析、統計學和機器學習的專業知識。他們的主要工作是通過數據分析來發現潛在的商業價值，並利用機器學習技術來解決業務問題。數據科學家的職業前景廣闊，各行各業都有需求。
    3. NLP 專家
    自然語言處理（NLP）專家主要研究和開發處理和理解自然語言的技術。他們需要熟悉語言模型、文本分類、語音識別等技術，並能應用這些技術來開發聊天機器人、語音助手等產品。
    4. 計算機視覺工程師
    計算機視覺工程師專注於圖像和視頻數據的分析和處理。他們需要熟悉圖像識別、目標檢測、視頻分析等技術，並能將這些技術應用於自動駕駛、安防監控等領域。
    機器學習是現代科技的一大支柱，其應用範圍廣泛且前景光明。無論你是對機器學習技術感興趣，還是希望在這個領域尋找職業發展機會，掌握相關知識和技能都將大大提升你的競爭力。趁著這股科技熱潮，深入了解和學習機器學習，為你的職業生涯開闢新的天地！
    ➤ 歡迎在104學習精靈關注【AI趨勢報－科技愛好者的產地】獲得更多科技新知！
    看更多
    1 0 1140 1
    學習精靈

    11/23 00:00

    youtube.com
    如何用EXCEL全自動抓全球股票、外匯、虛擬貨幣和指數的數據，不懂寫程式也能做到！
    51 2

    推薦給你

    AI 趨勢報－科技愛好者的產地🤖
    關注
    104學習精靈

    產品

    7小時前

    如何產出好的 Prompt？讓 AI 成為你真正的幫手+ 五種常用 Prompt 範本
    近年來，AI 工具如 ChatGPT、Claude、Gemini 等快速進入我們的工作與生活，不論是寫文案、總結報告、規劃行程，甚至是撰寫程式碼，只要下對指令（prompt），AI 幾乎無所不能。
    但問題來了：為什麼我問的問題，AI 給的回答總是不夠精準？
    這時候，你可能缺的不是一個更聰明的 AI，而是一個更好的 prompt。
    本篇文章將帶你一步步掌握「好 prompt」的四大原則 + 五種實用範本 + 常見錯誤避雷指南，幫助你從「AI 使用者」進階成「AI 操控師」。
    一、什麼是 Prompt？
    Prompt，簡單來說就是你對 AI 下達的「指令」或「提問內容」。
    它的形式可能是：
    一段文字（例如：「請幫我寫一封推薦信」）
    一個問題（例如：「如何向上管理主管？」）
    一組指令（例如：「用表格整理優缺點，並推薦最適合的解法」）
    Prompt 就像你對 AI 下達的任務說明書，越清楚、越有邏輯，AI 才越能對症下藥。
    二、好 Prompt 的 5大原則：CLEAR
    我們建議用以下的「CLEAR」五字訣，來檢查你的 prompt 是否足夠明確：
    C - Context（情境）
    提供背景資訊，讓 AI 理解你的角色、目的與任務脈絡。
    ➤ 例：「我是一位求職中的社會新鮮人……」
    L - Language（語氣與格式）
    指定你想要的語氣風格、格式形式或語言版本。
    ➤ 例：「請用輕鬆幽默的語氣」、「請用英文回答」
    E - End Goal（輸出目標）
    說清楚你想要的最終結果，讓 AI 知道你是要報告、表格、文案還是清單。
    ➤ 例：「我要一篇 500 字的部落格草稿」
    A - Action（動作）
    告訴 AI 你要它「做什麼」——例如撰寫、比較、總結、建議等。
    ➤ 例：「請幫我比較這三個方案的優缺點」
    R - Rules（規則）
    有特定限制或格式規範的話要明講，例如字數、語氣、格式或禁用詞。
    ➤ 例：「限制在 200 字內」、「不要使用專業術語」
    三、五種常用 Prompt 範本
    以下是五個實用的 prompt 模板，無論職場、學習還是生活應用都相當好用：
    1. 會議紀錄整理 Prompt
    「我是一名專案經理，以下是我們產品開發部門的會議紀錄。請幫我整理成正式內部報告，內容分為三段：1. 會議摘要（限 100 字內）、2. 決策事項（條列式）、3. 待辦事項（包含負責人與期限）。語氣請保持正式精簡。」
    2. 專案建議書撰寫 Prompt
    「我是一位行銷專案負責人，目前正在提報一個新品行銷提案，目標是提升產品曝光率。請幫我撰寫一份約 500 字的專案建議書草稿，包含以下四段：1. 專案背景、2. 行銷目標、3. 執行方式、4. 預期效益。語氣請保持專業、有說服力，採用第三人稱，不用提及預算細節。」
    3. 表格資料統整 Prompt
    「以下是三個工具的特性說明，請幫我整理成 5 欄表格（項目名稱、說明、優點、風險、建議採行對象），表格格式適合投影片簡報中使用，內容限於 20 字以內/欄，語氣請精簡明確，避免冗詞。」
    4. Email 撰寫 Prompt
    「請幫我撰寫一封給內部人資主管的 Email，主旨是：申請部門教育訓練預算。語氣正式但親切，內容包含三段：1. 教育訓練目的與效益、2. 執行時程與預估費用、3. 對團隊發展的幫助。結尾請加入敬語與簽名，整封信字數控制在 250 字以內。」
    5. 方案比較分析 Prompt
    「我是一位採購經理，正評估三個軟體工具供應商，目的是選出性價比最佳的方案。請幫我以表格形式，從五個面向（功能完整性、價格、技術支援、使用便利性、風險）比較三者，並以條列方式給出建議首選及選擇理由，語氣請保持客觀分析。」
    四、避免 3 個常見錯誤
    ◆問題太模糊：「幫我寫一下這個」，寫什麼？給誰看？用途是什麼？AI 根本抓不到重點。
    ◆輸出格式沒說清楚：你想要清單、表格、段落還是流程圖？請先講清楚。
    ◆一次問太多：AI 回答會變散亂。先拆解問題，一步步來，效果更好。
    Prompt 是一種新時代的溝通力
    AI 工具不會自動變成你的超能力，會提問、懂得溝通，才是未來的關鍵能力。
    把 prompt 當作你對 AI 的「任務設計」，越清楚，AI 越能「幫你幫到點上」。
    從今天開始，練習寫好 prompt，就是你打開 AI 潛力寶庫的第一步！
    看更多
    如何產出好的 Prompt？讓 AI 成為你真正的幫手+ 五種常用 Prompt 範本
    1 0 240 1
    你可能感興趣的教室