ENGLISH
CHINESE

Renee Hsiao | 大學三年級 | 國貿系
培訓職位: 阿里巴巴數據分析(中階)
培訓目標: 加強資訊科學領域的基礎,累積實務工作經驗,為往後申請研究所做準備。


Renee的話:

本次培訓期間,我有機會參與三項與資料分析與資料科的專案,從實際商業資料出發,完整體驗了資料清洗、分析建模、結果解讀與商業應用的流程。對我而言,這不僅是一段技能累積的學習歷程,更是一段確認自我方向的重要經驗。
第一個專案著重於使用者行為與價值分析,並以 RFM模型 為核心架構。我透過實際交易與行為資料進行資料清洗與指標定義,計算使用者最近一次互動時間、行為與交易頻率,以及消費價值,進而區分高價值用戶、成長型用戶與低活躍用戶。此專案讓我首次能系統性地從大量原始資料中,將複雜的使用者行為轉化為可解讀、可行動的商業洞察,並深入理解資料分析在企業決策與客群經營中的關鍵角色。
第二個專案則進一步延伸至客群分群與行為模式探索。我透過特徵工程與分群方法,嘗試辨識不同使用者在行為與價值上的差異。過程中,我不僅學習到分析方法本身,更重要的是學會如何向人展示分析結果,讓資料真正能夠被使用。
第三個專案聚焦於購物籃分析與商品關聯規則的探討。我運用交易明細資料,建立購物籃矩陣,分析哪些商品經常被一起購買,並計算其支持度與關聯強度。透過這個專案,我體會到資料科學如何直接影響行銷策略、商品組合設計與營收提升。
在完成這三個專案的過程中,我獲得了很大的成就感。這些實務經驗也能讓我在申請研究所時,更能清楚說明自己為何適合、也為何真正理解這個領域。 此外,感謝在培訓期間指導我的企業導師在技術層面耐心指導。從如何定義問題,到如何讓分析結果對企業產生實際價值,這些經驗都是課堂中難以獲得的寶貴學習。
總結而言,這次培訓不僅彌補了我非本科背景的不足,也讓我建立了清楚的學習方向。未來,我期望能在研究所階段深化理論基礎,並結合實務經驗,成為能夠真正以資料驅動決策的專業人才。

Eason Chen | 高中二年級
培訓職位: 阿里巴巴數據分析(初階)
培訓目標: 想要透過這次的體驗確認自己對資訊科學以及商業領域的興趣,擬定大學發展方向。


Eason的話:

我是Eason,參加的是阿里巴巴數據分析的培訓。在培訓開始前,我其實有點緊張,因為我才 17 歲,對真正的職場不太熟。

這次在做數據分析培訓,對我來說是一個很重要的經驗。雖然數據分析這個領域不太熟悉,但在老師的指導下,我學會如何整理資料、分析數據、做圖表,還有把複雜的數字變成清楚的結果。

實際工作的資料常常很亂,這讓我學到如何清理數據、分類、找出問題,也更理解數據分析的完整流程。過程中我還學到怎麼查資料、怎麼回報進度,以及怎麼把雜亂的數據整理成可以讓人看得懂的結論。

這段培訓讓我更確定自己喜歡做數據相關的工作,也對未來的方向更明確,非常感謝所有指導我的人。

James Lin | UCL | MSc in Infancy and Early Childhood Development
培訓職位: 中科院心理學應用研究助理
培訓目標: 想透過這次中科院的培訓,盡早熟悉文獻解讀、臨床研究等心理學領域的工作日常,為往後攻讀博士班打穩基礎。


James的話:

回顧這段求職歷程,對我而言,彷彿是一場從「思緒混亂」走向「邏輯清晰」的進化過程。

一開始的預備訓練,對我幫助極大。它就像一顆定心丸,讓我在真正投遞申請前,先釐清培訓內容、責任分工,以及申請所需的各項資料,避免在準備過程中迷失方向。

過去我最害怕的環節其實是面試。常常話說到一半,就開始反覆繞圈,明明想表達自己適合這個職位,卻因為缺乏結構,反而顯得零散而沒有重點。模擬面試的訓練,讓我第一次意識到「表達」本身也是一項需要刻意練習的能力——不是憑直覺聊天,而是有意識地組織觀點、回應問題。

在正式面試當天,這些準備發揮了實際效果。我能更有條理地陳述自身經驗,面試官的提問也多半圍繞在我的實際經歷與能力上。雖然中途仍有表達過於投入、稍微冗長的時候,但整體而言,我能清楚感受到自己不再混亂,而是站在一個「有邏輯的位置」與對方對話。這次經驗也讓我明白:準備真的會改變一場面試的質地,而下一步的成長,將是學習如何更精煉地表達。

這段培訓,則帶給我更深層的專業反思。

培訓初期,我主要負責翻譯心理治療學者 Harlene Anderson 的著作。她所提出的「合作對話」強調去病理化、去標籤化,治療師以「非知」的姿態,與來訪者共同建構意義。這樣溫柔、近似朋友的對話方式,曾深深吸引我。我一度以為,只要傾聽夠深、觀點轉換得夠巧妙,就能為來訪者帶來立即的改變。

然而,實際接觸臨床經驗後,我逐漸意識到這樣的想像過於理想化。在整理一位資深專家關於「家庭顧問」模式的訪談時,我第一次強烈感受到現實的重量。他所服務的對象,是承受高度壓力的校長族群,這些在外界眼中極為成功的菁英,卻在多重角色與責任的擠壓下,產生深層的絕望與輕生念頭。這讓我明白,治療師所面對的,往往是人性中最沉重、也最難撼動的部分。

同時,我也開始理解「消失」在治療關係中的意義。有些來訪者會在幾次深度對話後突然中斷聯繫,這種不確定性一度引發我的自我懷疑。但專家所提到的「自洽」與「讓花成花,讓樹成樹」,提醒我:治療師需要尊重他人的選擇,學會承接遺憾,才能在專業上保持穩定與長久。

這樣的理解,在我觀摩一位老師處理強迫症個案時,達到了關鍵轉折。

該名來訪者對數字「4」有強烈的恐懼與病態聯想,即使透過行為改變暫時避開恐懼,焦慮依然反覆出現。當時的我,直覺地想用一個「聰明的邏輯」幫助他快速解除痛苦,卻忽略了這樣的做法,只是在幫他暫時逃避。

老師的處理方式,讓我看見了截然不同的專業視角。他並未試圖消除來訪者的念頭,而是引導他觀察:為什麼其他人也可能有類似聯想,卻仍能繼續生活?這樣的提問,將焦點從「消除恐懼」轉向「如何在恐懼存在的情況下,仍能前進」。

我逐漸理解到,治療師真正的角色,並不是提供一顆立即止痛的解方,而是陪伴來訪者練習與焦慮共存,培養持續行動的能力。

如果說這次培訓帶給我最大的收穫,那便是:心理學與治療,從來不只是書本上的理論。

從翻譯文本走進真實的訪談與個案觀摩,我逐漸理解,所謂「幫助人從身心的受困感中解脫出來」,並不存在唯一的標準答案,而是無數條需要在現場不斷調整的路徑。

我也從一個只關心文字是否精準的翻譯者,轉變為一個對生命經驗保持敬畏的學習者。真正的治療是活的、流動的,而這場從理論仰望到實踐深耕的轉變,讓我更加確信:心理學是一門關於「人」的科學,也是一門關於「經驗」的藝術。

Candy Lee | 大學三年級
培訓職位: 阿里巴巴數據分析(進階)
培訓目標: 探索研究所發展方向,深入了解理論知識於產業方面的應用。


Candy的話:

我覺得學到蠻多東西的。一開始會有人協助我與導師的聯絡,之後也會關心及追蹤我的培訓進度,無論是文件處理、時間安排,或是培訓內容的確認,都有人從旁協助與提醒,讓我在培訓初期不會感到徬徨或無所適從。培訓期間也會定期關心與追蹤我的學習進度,確保專案能如期進行,因此不用擔心聯絡不上導師,或是培訓計畫無法順利推動的問題。

內容方面導師給我一套完整的數據分析專案架構,從問題定義、資料蒐集與前處理、探索性資料分析,到模型建立、演算法應用與結果評估,每個步驟都清楚說明目標與方法,讓我能循序漸進地完成一份完整的數據分析報告。其中學到許多實際的建模、演算法、統計方法的應用,也學到資料視覺化能將資料結果更清楚易懂的呈現在報告中。過程中有不懂的問題都可以向導師詢問,導師都能清楚的回答這邊該用什麼方法並排解疑惑,或者引導你完成任務,所以有不懂的都能儘管問。針對培訓內容或架構、時間有問題也都能反應並彈性調整,整體上六周來學習並實作了非常多東西。我個人覺得最大的優點是導師能清楚排解問題、講解並引導任務內容的部分,這種清楚而具方向性的指導方式,能真正理解自己正在做什麼,以及為什麼要這樣做。因為在學校跟教授做研究時,對於學生的基礎疑問未必能給出具體、明確的說明。有時候回答較為概略或反覆不定,導致我們對研究方向產生不確定感,進而影響進度推動。當問題沒有被真正釐清時,往往只能反覆嘗試與猜測,不僅效率低落,也難以建立紮實的理解。因此,這次培訓放大了能清楚回答問題的優點。

Candy Lee | 大學三年級
培訓職位: JP Morgan量化研究
培訓目標: 探索研究所發展方向,深入了解理論知識於產業方面的應用。


Candy的話:

透過本次 JP Morgan 量化培訓,我對量化金融領域有了更深入的認識。培訓內容涵蓋量化研究、數據分析、程式設計以及金融市場應用等主題,讓我了解到量化投資並非單純依靠數學模型,而是需要結合金融知識、統計分析與程式開發能力,才能建立具備實務價值的策略。 在培訓過程中,我印象最深刻的是需要獨自建立量化研究的完整流程,包括一些快平台交易或者是即時的市場監控。從資料蒐集與清理、模型建立、回測驗證,到風險管理與策略優化,每個環節都需要嚴謹的邏輯思維與實證分析。這也讓我體會到統計學與機器學習在金融領域的重要性,以及如何運用數據支持投資決策。

此外,透過這次培訓,我對量化分析師的職涯發展有了更清楚的了解。除了扎實的數理基礎外,程式能力與持續學習的態度也是不可或缺的核心能力。總而言之,本次培訓不僅拓展了我對量化金融的視野,也讓我看見理論知識與實務應用之間的連結。

Nikki Peng | BU BSBA
培訓職位: JP Morgan 商業分析

Nikki的話:

大家好,我是 Nikki。今天我要分享我對NEV市場的分析結果。在研究過程中,我學著建立起一套工作流程,幫助我從獲取高質量的產業數據、提取關鍵技術變量,到將原始數據轉化為視覺化的證據。我的首要目標是超越表層資訊,去挖掘產業背後的技術真相。我學會了如何運用三種數據源。
第一是監管框架。我分析了「雙積分政策」,以理解政府如何將補貼手段轉向市場化約束。
第二是行業標竿數據。我研究具體的電池性能指標,例如能量密度和充電倍率,藉此追蹤技術進步的軌跡。
第三是市場統計數據。我利用 2011 年至 2025 年的面板數據,描繪出該產業的歷史增長趨勢。我的學習重心放在數據提取——也就是從「噪音」中識別「訊號」。我特別關注三個結構性轉變:
1. 技術分割:我將市場分為純電動、插電混動和增程式,並識別出系統複雜性與能源效率之間的權衡。
2. 2021 年的轉折點:通過分析裝機量數據,我發現 2021 年是磷酸鐵鋰電池正式超越三元鋰電池的一年,這歸功於 CTP 和刀片電池等技術創新。
3. 消費邏輯:我提取的調查數據顯示,買家考量發生了根本轉變,安全性和充電速度已變得比品牌知名度更重要。最後,我發揮我的設計背景,為市場轉型創造了視覺化的證據。
以下是我視覺化的關鍵發現:首先是 50% 的里程碑。我繪製了從 2011 年接近零到 2025 年上半年達 55% 的滲透率曲線,標誌著燃油車時代正式走向衰退。這個專案教會了我,有效的數據分析不僅僅是數字,更是一種綜合能力。透過將經濟理論、技術數據與視覺設計結合,我現在能完整講述一個產業如何從政策驅動走向市場驅動的成熟過程。謝謝大家。

Nikki Peng | BU BSBA
培訓職位: JP Morgan 商業分析

Nikki的話:

我在這次培訓中的主要職責,是定義適用於金融數據、總體經濟數據與市場情緒指標的「技能」規格。我成功設定並測試了多組 API(包括 Yahoo Finance 與 FRED),驗證連線程式的穩定性與可用性。透過這些流程,我從 API 取得 2018 年至 2024 年的原始數據,包含 JPM 股票的每日股價、公債利率與 VIX 指數。 這段經驗讓我學到,在量化分析中,「垃圾進,垃圾出」(garbage in, garbage out)是鐵律。親自管理原始金融數據,讓我深刻體會到在任何建模開始之前,數據完整性至關重要。這項經歷填補了我學術知識與實務金融工程之間的落差,我期待能將這項技能應用於未來的建模任務。