這一波數位創新和數位轉型的推動，數位化正在快速改變世界。連接到新的未被發現的商務數據，可以對其進行分析和使用，以提供更好的商務經營，更好的客戶體驗和更好的員工工作模式。商業智慧、資料科學、人工智慧已經是政府、企業、生活必備的能力；如此智慧化數位科技已經無所不在，不僅改變我們的生活方式，也讓經濟活動發展成不同以往的樣貌。為持續推動產業創新發展，各個國家都在推動實施「智慧國度計畫」，相關人工智慧及資料科學的人員職位及職能，是國際、企業需要建立的重要人力資本。
AI和資料科學的職務類別有哪些？
假使你要投入AI和資料科學領域工作，一定很想了解有哪些職務類別？每個職務類別關鍵工作是什麼？專業技能和一般技能有那些？讓每個人要投入AI/資料科學職場前對自己知識和技能有所檢驗。
我這幾年發了一些時間研究新加坡政府提出有關數位人才職能相關文獻。文獻中對AI/資料科學專業人才職務類別的關鍵工作、專業技能和一般技能有深入的設計。通盤掌握相關人才技能後，特別整理AI/資料科學領域的職務跟大家分享，新加坡職能研究單位將人工智慧和資料科學領域的職務類別分為商業智慧、資料工程、AI機器學習、AI/資料科學家等四類職務類別，如圖一。
資料來源： Singapore TechSkills Accelerator(TeSA)
接下來針對商業智慧、資料工程、AI機器學習、AI/資料科學家四類職務類別的關鍵工作項目，專業職能和一般職能進步掌握和了解。
在「商業智慧」職務分類，相關職位人員關鍵工作、專業職能和一般職能是什麼？
關鍵工作項目包括：
- 設定和實施企業商業智慧策略
- 制訂商業智慧分析流程
- 建立商業智慧標準和治理
- 確定商務需求
- 準備和分析資料
- 報告見解
- 管理專案
專業職能包括：
- 商業創新：探索業務創新和改革的機會，並領導實施創新業務計劃
- 商務需求分析：記錄商務需求並確定基本需求以及潛在的解決方案
- 商業溝通：識別資料分析並分析商機
- 資料分析：使用統計和計算技術及工具識別商務資料中的潛在趨勢和模式；開發，應用和評估算法，預測性資料建模和資料可視化，以識別資料中的潛在趨勢和模式
- 預算編制：準備業務部門的運營預算和資料分析預算
- 設計思維實踐：應用設計思維方法論並執行資料分析設計思維以挑戰組織中的規範和約定
- 資料工程：利用適當的工具，系統和技術按照設定的準則收集，存儲，提取，轉換和加載資料
- 資料可視化：選擇適當的可視化技術並開發儀表板以反映資料趨勢和發現
- 商務績效管理：透過資料分析，監控部門績效
- 資料倫理：在處理資料時應用並堅持專業，法律和道德行為，政策和程序的原則
- 資料庫管理：進行資料庫和服務器的基本安裝，配置和升級，並執行常規數據備份和恢復活動
- 專案管理：監督小型項目或計劃，管理時間表，資源，風險和利益相關者
- 利益相關者管理：確定關鍵的利益相關者關係，需求和利益，並與利益相關者進行日常協調
一般職能包括：
- 領導力：在團隊層面以身作則。鼓勵和指導他人採納資料分析觀點，做出改變或採取行動。提供一個有利於建立關係，團隊合作及協助他人發展的團隊環境。
- 人員發展：為他人提供數據分析培訓，以發展他們的工作技能和知識，提高工作表現。
- 溝通：清晰地表達和討論對資料分析的想法，並說服他人取得共同的結果
- 創意思維：連接或組合來自不相關領域或應用程式和資料的想法或資訊，以產生多個想法，從而實現特定結果。
- 計算思維：修改現有的計算模型、工具和技術來開發不同的解決方案。
在「資料工程」職務分類，相關職位人員關鍵工作和工作技能是什麼？
關鍵工作項目包括：
- 確定商務需求
- 建立和維護資料處理流程
- 設計和發展資訊架構
- 部署 AI/ML 模型
- 優化解決方案性能
- 維護資料處理解決方案
- 管理專案
專業職能包括：
- 商務需求分析：記錄商務需求並確定基本需求以及潛在的解決方案
- 資料設計：確定資料需求並支持資料庫模型的設計，並結合參數和機制來維護，存儲和檢索數據
- 資料工程：實施資料管理流程和系統以對映資料源，流程和關係，以及轉換和處理多個資料流
- 資料倫理：分析資料會產生不道德行為，並應用道德決策模型和策略來解決道德困境和問題
- 資料治理：在生命週期的各個階段實施有關適當處理資料的準則，法律，法規和規章制度，並監督對資料政策的遵守情況
- 資料品質標準：評估現有資料品質標準，並使資料流程和活動與IT產品和服務品質期望保持一致
- 資料遷移：準備資料並執行手動或自動數據遷移，排除資料庫錯誤，並驗證遷移後的遷移資料以確保准確性
- 資料庫管理：監視和維護資料庫，並對遇到的資料庫錯誤進行故障排除，並確保適當級別的用戶查詢資料庫
- 計算建模：識別並利用適當的統計算法和資料模型來測試假設並得出模式解法
- 組態追踪：使用標準工具和模板標記，追踪和記錄所有配置項以及對軟體項目的更改；驗證組態日誌中資訊的準確性，完整性和時效性，並檢查未經授權的更改，轉移或對軟體資產的不當使用
- 系統整合：確定系統組件的互操作性並製定系統整合計劃
- 資訊安全架構：設計安全系統並定義組件的安全規範，並整合適當的安全控制
- 綜合新興技術：根據組織的需求和過程評估新興技術、趨勢和可用性
- 專案管理：計劃和推動中型項目或計劃，包括將資源分配到不同部分，並使利益相關者參與項目的進度和成果
- 利益相關者管理：充當組織與利益相關者溝通的主要聯絡點，闡明利益相關者之間的責任，並促使他們協調期望
一般職能包括：
- 領導力：在團隊層面以身作則。鼓勵和指導他人採納資料分析觀點，做出改變或採取行動。提供一個有利於建立關係，團隊合作及協助他人發展的團隊環境。
- 人員發展：為他人提供數據分析培訓，以發展他們的工作技能和知識，提高工作表現。
- 計算思維：開發和創建計資料演算模型、工具和技術，以實施新的AI或資料科學解決方案並將其應用於其他問題。
- 溝通：清晰地表達和討論對資料分析的想法，並說服他人取得共同的結果
- 跨領域思考：綜合跨領域的知識和見解，協助制定戰略決策及促進組織內外的合作。
在「機器學習」職務分類，相關職位人員關鍵工作和工作技能是什麼？
關鍵工作項目包括：
- 進行人工智慧研究
- 實施資料科學和AI的戰略
- 構建和評估 AI/機器學習
- 在解決方案中部署 AI/機器學習模型
- 發展AI/機器學習模型用於產品中
專業職能包括：
- 商務需求分析：帶領全面分析，以了解潛在的驅動因素，並為擬議的IT解決方案提供令人信服的商業案例
- 雲端計算：部署雲端解決方案並解決雲端整合問題
- 計算建模：設計高級統計和計算模型，並率先將演算法和建模技術應用到新領域
- 組態追踪：使用標準工具和模板標記，追踪和記錄所有配置項以及對軟體項目的更改；驗證組態日誌中資訊的準確性，完整性和時效性，並檢查未經授權的更改，轉移或對軟體資產的不當使用
- 電腦視覺技術：設置和部署影像分析演算法並執行系統性能評估
- 資料設計：建立大規模資料模型和結構的策略，並帶頭實施資料庫技術，體系結構，軟體和設施
- 資料工程：實施資料管理流程和系統以對映資料源，流程和關係，以及轉換和處理多個資料流
- 資料治理：制定組織實踐和標準以在整個生命週期中處理資料，解決違規並監督組織之間的資料傳輸
- 資料策略：建立資料管理策略以從資訊資產中獲取最大價值並支持決策和業務流程
- 資料庫管理：監視和維護資料庫，並對遇到的資料庫錯誤進行故障排除，並確保適當級別的用戶查詢資料庫
- 綜合新興技術：根據組織的需求和過程評估新興技術、趨勢和可用性
- 智能推理：評估，設計和構建智能軟體系統
- 模式識別系統：使用機器學習技術開發智能系統
- 專案管理：同時領導大型程序或多個項目端到端的管理，協調專案相互依賴
- 資訊安全架構：設計安全系統並定義組件的安全規範，並整合適當的安全控制
- 自動機器人系統：規劃端到端流程，以在硬體和設備中設計，構建和部署自適應軟體機器人，並在不同應用領域驗證和優化軟體機器人
- 文字分析與處理：設計和實現可以使用口語或書面自然語言與用戶交互的系統
- 測試計劃：制定測試策略，並根據內部和外部標準建立測試策略，準則和指標
- 利益相關者管理：制定利益相關者參與計劃並與利益相關者進行談判以達成互惠互利的安排
一般職能包括：
- 領導力：在團隊層面以身作則。鼓勵和指導他人採納資料分析觀點，做出改變或採取行動。提供一個有利於建立關係，團隊合作及協助他人發展的團隊環境。
- 人員發展：為他人提供數據分析培訓，以發展他們的工作技能和知識，提高工作表現。
- 計算思維：開發和創建計資料演算模型、工具和技術，以實施新的AI或資料科學解決方案並將其應用於其他問題。
- 溝通：清晰地表達和討論對資料分析的想法，並說服他人取得共同的結果
- 跨領域思考：綜合跨領域的知識和見解，協助制定戰略決策及促進組織內外的合作。
在「AI科學/資料科學」職務分類，相關職位人員關鍵工作和工作技能是什麼？
關鍵工作項目包括：
- 從商務角度制定目標和需求
- 管理資料準備和建模
- 建立和評估模型
- 透過資料科學/AI模型所呈現的數據驅動商業價值
- 執行資料科學/AI策略
- 管理資料科學AI的知識產權 (IP)、戰略、流程和程序
專業職能包括：
- 商業創新：優先考慮商業創新機會並設計數位架構和流程，以促進創新商業環境的建構
- 商務需求分析：帶領全面分析，以了解潛在的驅動因素，並為擬議的IT解決方案提供令人信服的商業案例
- 綜合新興技術：根據組織的需求和過程評估新興技術、趨勢和可用性
- 專案管理：同時領導大型程序或多個項目端到端的管理，協調專案相互依賴
- 資料設計：建立大規模資料模型和結構的策略，並帶頭實施資料庫技術，體系結構，軟體和設施
- 設計思維實踐：建立有效的設計思維過程，方法和框架，以在整個組織中擴散人工智慧或資料科學的設計思維
- 軟體設計：將復雜的軟體思想和概念轉化為設計藍圖，並建立關鍵的設計原則和方法
- 解決方案架構：建立資料整合框架並確定相關工具和技術以指導開發IT解決方案
- 計算建模：設計高級統計和計算模型，並率先將演算法和建模技術應用到新領域
- 電腦視覺技術：設置和部署影像分析演算法並執行系統性能評估
- 智能推理：評估，設計和構建智能軟體系統
- 模式識別系統：使用機器學習技術開發智能系統
- 自動機器人系統：規劃端到端流程，以在硬體和設備中設計，構建和部署自適應軟體機器人，並在不同應用領域驗證和優化軟體機器人
- 測試計劃：制定測試策略，並根據內部和外部標準建立測試策略，準則和指標
- 文字分析與處理：設計和實現可以使用口語或書面自然語言與用戶交互的系統
- 資料倫理：針對資料使用和管理制定組織的道德守則，系統和流程，以確保遵守有關資料使用的專業，法律和道德要求
- 資料治理：制定組織實踐和標準以在整個生命週期中處理資料，解決違規並監督組織之間的資料傳輸
- 品質標準：根據組織方向和選定的基準建立和控制資料品質期望
- 利益相關者管理：制定利益相關者參與計劃並與利益相關者進行談判以達成互惠互利的安排
- 資料策略：建立資料管理策略以從資訊資產中獲取最大價值並支持決策和業務流程
一般職能包括：
- 領導力：在團隊層面以身作則。鼓勵和指導他人採納資料分析觀點，做出改變或採取行動。提供一個有利於建立關係，團隊合作及協助他人發展的團隊環境。
- 人員發展：為他人提供數據分析培訓，以發展他們的工作技能和知識，提高工作表現。
- 計算思維：開發和創建計資料演算模型、工具和技術，以實施新的AI或資料科學解決方案並將其應用於其他問題。
- 溝通：清晰地表達和討論對資料分析的想法，並說服他人取得共同的結果
- 跨領域思考：綜合跨領域的知識和見解，協助制定戰略決策及促進組織內外的合作。
你了解商業智慧、資料工程、AI機器學習、AI/資料科學家四類職務類別的關鍵工作項目，專業職能和一般職能了嗎？你對進入這領域找工作是否多一份信心？若發現自己專業職能並沒有符合業界需求，也比較清楚需要學習那些專業知識和技能。
延伸閱讀
作者：劉德泰
現職：
1111人力銀行數位策略顧問
17Sharing.org公益知識分享平台發起人
經歷：
緯育股份有限公司 總經理
資訊工業策進會數位教育研究所 主任
經濟部工業局「國家型數位學習與典藏產業推動計畫」－協同計畫主持人
經濟部工業局「國際化軟體人才暨產業技師培育計畫」－計畫主持人
中華民國數位學習學會常務監事