我是念企管系畢業的，念書時就對人資領域比較有興趣且較拿手，但因人資工作通常都會要求要有相關經驗，較少有公司願意培育員工，所以我有去CHRMA上課並考取證照，加上過去曾在銀行工作，並通過公司的邏輯和數學測驗，才有機會錄取。

Q2. 請問在就職前您對這份職務的工作內容有哪些認知? 正式上班後 ，實際的工作內容跟您先前認知有哪些落差?

其實在之前完全沒接觸過這個工作，只有在上CHRMA的課程時稍微有些概念，所以也沒有所謂的認知落差，工作技能和知識都是在進公司後邊做邊學，主管也不一定會知道該怎麼做，所以正確的學習管道很重要，像是政府開的課程，有問題時要知道負責的主管單位是誰，自己找到正確的作法。

Q3. 請問您在「薪獎人資專員」的工作期間，最有趣的工作內容是什麼？ 有沒有覺得很有成就感的案例可以分享？

因為工作內容跟同仁息息相關，可以認識很多人，而我本身就很喜歡協助他人，所以工作很愉快，否則以工作內容來說，相較於其他人資領域是較枯燥的。最有成就感的是曾協助公司圓滿處理勞資爭議：同仁投訴教育訓練利用假日進行但未給薪，實際上公司並未強迫上課，且滿試用期會一律給予法令規定外的休假以彌補假日上課的辛勞。

Q4. 請問您在「薪獎人資專員」的工作期間，比較枯燥的工作內容有哪些？ 有沒有感到挫折的案例可以分享？

薪獎工作很要求準確率，所以幾乎所有日常例行工作都很枯燥繁瑣且不能出錯，最挫折的應該是在員工溝通這一塊，因為我們還需負責宣導公司人資政策，但常常公司政策用意良善，卻被同仁誤解，常需花費很多時間解釋說明。

Q5. 基於什麼原因或時空背景，讓您決定離開「薪獎人資專員」這份職務工作?

單純是因為家庭因素，否則我對這份工作很有熱情。

Q6. 綜觀您的職涯地圖，如果再回到校園，您會強化哪些領域或科目?

我想我會再加強英文和薪酬規劃、員工關係的部分。

不會，公關的聯絡對象是媒體、部落客、專職寫手等；而異業合作這邊配合的是公司方面資源交換的露出；假設今天是異業合作的新聞稿要發佈，由線上旅遊網站發佈的還是由公關去發，但若是由對方廠商發佈，就會由異業合作的專員做窗口。

業界中，所謂「專科護理師」是一個特殊的職業別，有別於一般護理師，從事的工作較偏向是醫師的工作，如：開立醫囑、拆線...等。在這裡指的其他專科護理師應該是在其他科別工作之護理師，透析中心屬於特殊單位，如同加護病房、急診、開刀房等單位，必須經過特殊專科訓練，甚至必須考取透析護理師執照，而這個執照的考取大部分為自費，是與其他特殊單位不同之處。每一個單位都有其優點與缺點，在選擇單位上人會依照自身需求做選擇，但可列出其優缺點供參考，透析中心優點在於周日皆為放假，且未有大夜班別，只有醫院單位必須輪值待命，便於與家人相處，是優於一般病房的地方，也因為其為特殊單位在薪資上會有特殊單位加給的部分。缺點是因為透析病患的特性，透析病患大部分開始了透析治療除非換腎，否則會長期一直洗下去，直到生命的終點，所以對於病患來說這是相當大的壓力，而導致病患較容易有刁難、難以照顧的狀況出現，在照護病患上需要有更大的耐心來對待病患。

首先專科護理師跟護理師一樣須擁有護理師執照後，接著至少要有三年的臨床經驗，才能參加專科護理師訓練(一年)，訓練內容包括課堂教學以及臨床實習。最後考取專科護理師國考，取得兩張執照後，才能擔任專科護理師，專科護理師其實是臨床護理師轉換跑道及進修的另一種選擇。
專科護理師的工作內容，其實跟醫師助理類似，需協助醫師執行臨床照護，給予病人及家屬醫學指導與諮詢，協助主治醫師與住院醫師查房及巡視病人，並聯絡醫師或相關單位作適當處理；指導護理師執行臨床護理業務；處理住院病人及其家屬醫學諮詢及病情說明；也可在醫師指示下，得開立檢驗、檢查單及醫矚。

半導體主要可分為四個module(模組)，分別為：擴散、薄膜、黃光、蝕刻等模組，每個模組各自有一個工程部(包含：擴散工程部、黃光工程部、蝕刻工程部及薄膜工程部)。一般而言，根據產品需求大約會有600道(或更多道)的製程，持續地在前述的四個模組中以循環或穿插的方式進行。當產品離開本工程部門的站別，即進入其他部門的站別，本部門站別之前的製程站別稱為前站、反之稱為後站，製程整合即是在這四個工程部門中進行溝通、協調、問題的釐清及解決。

人資專案經理協同企管顧問拜訪客戶，可以協助企業夥伴深入了解自己所提出的需求是否真的是自己所需要。曾經有個企業人資向我們的人資專案經理表達想安排同仁上有關溝通表達的課程，因為客戶管理階層認為同仁們在內部會議進行討論時，常常效率不彰或是誤解彼此的想法，他們希望透過溝通表達課程來改善這個問題。然而，經過我們的企管顧問與客戶訪談診斷後，發現問題點並不在客戶員工們的表達或理解能力，而是公司的績效制度以及本位主義出了問題，事後安排了我們所擅長的同理力課程，並針對績效制度做了適當調整後，才解決了客戶問題！

通常監督式的學習(supervised learning)需要有大量的數據當作模型訓練與驗證的基礎，因此數據分析師可以根據初步的分析結果給予一些insight或對已知的資料結果進行標註(tagging)，並提供這些數據給AI工程師進行模型的訓練與驗證。