由資料輸入到數據策略：AI 正在改寫的香港職業階梯

當試算表不再是你老闆的那一天

你一定有過這種感覺。某個星期二下午三點，在金鐘或鰂魚涌的辦公室裡，你已經對著同一份 Excel 表格四個小時，交叉核對來自九龍灣倉庫的銷售數據和尖沙咀分店的客戶意見表。眼睛乾澀，腰背痠痛，心底有個聲音在問：這真的是我的職業生涯嗎？

如果你在香港工作——特別是在物流、零售、銀行後勤，甚至初級市場推廣——你很可能已經花了幾個月甚至幾年，做著禮貌上稱為「資料輸入」或「數據處理」的工作。你的職稱可能叫「分析員」或「協調員」，但實際上你就是一部人肉複製貼上機器。你把數字從一個系統拿出來，對比另一個系統，然後輸入到第三個系統。你得到的報酬是為了準確性，而不是洞察力。

這裡有一個不舒服的事實：你的角色正在比你想像中更快地被自動化。但同時也有一個機會：AI 不僅僅在淘汰這些工作——它正在改寫整個職業階梯。從資料輸入到數據策略的路徑現在變得更短了，但前提是你懂得如何往上爬。

為什麼香港是這場變革的震央

香港一直是數據樞紐。我們的經濟依賴於港口的物流數字、中環的銀行交易、銅鑼灣的零售人流，以及新界的供應鏈數據。幾十年來，職業路徑很清晰：從資料輸入員做起，學習系統，成為高級分析員，如果熬得過辦公室政治，或許能升到經理。

這條階梯正在被拆除。不是因為公司很邪惡，而是因為經濟效益不再合理。一個初級資料輸入員在香港每月成本大約港幣 $15,000 到 $18,000。與此同時，一個 AI 工具可以做同樣的工作——核對來自 50 個供應商的發票、更新 20 個倉庫的庫存、為週一早上會議格式化報告——成本只是零頭，而且 24/7 工作，不會抱怨港鐵延誤。

根據香港人力資源管理學會 2023 年的一項研究，超過 40% 的香港公司表示他們正在積極投資自動化工具來處理常規數據任務。最大的採用者包括 Kerry Logistics 和 SF Express 等物流公司、Mannings 和 Wellcome 等零售連鎖店，以及 HSBC 和 Standard Chartered 等金融機構。訊息很明確：如果你的工作主要是將數據從 A 點移動到 B 點，機器很快就會做得比你好。

但危言聳聽者忽略了一點。取代資料輸入的同一個 AI，也創造了對數據策略的需求。有人需要決定收集什麼數據、如何清理數據、提出哪些問題，以及如何向不關心 SQL 查詢、只關心收入和風險的高層呈現答案。那個人就是你——如果你現在就轉型的話。

新的職業階梯：從輸入到洞見的五個步驟

我們來具體一點。你不是為了模糊的動力而讀這篇文章。你想要一張路線圖。以下是逐步指南，附有你可以本週就使用的香港例子。

第一步：停止執行，開始記錄

資料輸入最大的陷阱是你太忙於執行而無法思考。你的老闆給你一份包含過去一個月 2,000 宗客戶投訴的試算表。你的本能是開始按類別分類並輸入摘要。停。

相反地，花第一個小時記錄整個流程。準確寫下你做了什麼：你檢查了哪些欄位、應用了哪些規則、做了哪些決定（例如：「如果客戶提到『退款』且金額超過 $500，標記為需要經理審核」）。這份記錄是你的黃金門票。為什麼？因為一旦你寫下了規則，你（或其他人）就可以將它們自動化。突然之間，你不再是處理投訴的人；你是設計了處理投訴系統的人。

例子：我的一個朋友在葵涌一間物流公司工作。她的工作是手動將進口貨櫃編號與採購訂單配對。她花了三個月為自己寫了一份簡單的指南。然後她用那份指南設置了一個基本的 Excel 巨集。一年之內，她被晉升為「流程改善分析員」——這是一個以前不存在的職位。她的薪水從 $16,000 增加到 $24,000。

第二步：學習一個能改變你角色的工具

你不需要成為軟件工程師。你需要一個工具，讓你的效率比同事快十倍。對於香港求職者來說，最實用的選擇是：

• Excel Power Query：這個功能內置於 Excel，可以自動化 80% 的重複數據清理工作。如果你能掌握 Power Query（YouTube 上有免費教學），你可以在幾分鐘內合併來自 JobsDB 匯出檔案、CTgoodjobs 申請記錄和 LinkedIn 招聘人員報告的數據，而不是花幾個小時。
• Google Apps Script：如果你的公司使用 Google Sheets，這是一個輕量級的方式來編寫簡單的自動化。例如，當某個儲存格的值改變時自動發送電子郵件。
• Basic Python with Pandas：這是核選項。如果你能學會用 Python 清理 CSV 檔案（大約投入 10 小時），你會突然比香港 90% 的資料輸入人員更有價值。

不要試圖全部學會。選擇一個。每天花 30 分鐘，持續兩週。目標不是精通；目標是自動化一個你每週都要做的煩人任務。一旦你做到了，你就有了證據證明你不僅僅會打字。

第三步：在你當前的數據中找到「策略」

香港大多數初級數據角色都涉及查看歷史數據：上個月發生了什麼、哪些產品賣得好、哪些客戶投訴。而策略則問的是：我們下一步應該做什麼？

以下是銜接的方法。拿起你已經在處理的數據，問一個簡單的問題：「如果我可以根據這些數據改變一件事，那會是什麼？」

例子：你在人力資源部工作，正在處理離職員工的訪問數據。不要只是歸檔表格，問：「人們離職的前三個原因是什麼？如果我們解決了第一個原因，會發生什麼？」寫一份一頁的備忘錄，包含你的發現和建議。發送給你的經理。這就是你如何從「做資料輸入的人」變成「理解數據的人」。

我見過這個方法在香港一家零售連鎖店奏效。一個初級庫存文員注意到某個品牌的零食在屯門 consistently 缺貨，但在中環卻庫存過多。她寫了一份簡單的報告建議重新分配。營運經理實施了建議。兩個月內，她被調到了採購團隊。她不需要數據科學學位——她只需要問對問題。

第四步：建立一個「前後對比」的作品集

你的履歷需要展示轉變，而不是任務。不要說：「每週處理 500 張發票。」要說：「重新設計了發票處理系統，將手動工作減少 70%，並將錯誤減少 40%。」

要獲得這些數字，你需要測量。在你自動化任何東西之前，記錄基準：需要多長時間？發生了多少錯誤？在你實施改變之後，再次測量。這為你的下一次工作面試提供了具體的彈藥。

對於香港求職平台來說，這一點至關重要。在 JobsDB 和 CTgoodjobs 上，招聘經理會在幾秒鐘內掃描履歷。一個寫著「使用 Python 自動化每週銷售報告生成，每月節省 8 小時」的要點，會比「準備每週銷售報告」更突出。

第五步：向策略角色而非入門角色建立人脈

一旦你有了自動化成功的作品集，就停止申請資料輸入工作。申請以下職稱的職位：

• 營運分析員
• 商業智能分析員
• 數據營運助理
• 流程改善專家

這些職位存在於 MTR、HSBC、AIA 以及 Cyberport 的初創公司。它們的入門級薪酬在港幣 $20,000 到 $35,000 之間，並且正在增長。根據 LinkedIn 數據，2023 年香港的「數據分析員」職位增長了 28%，而「資料輸入員」職位減少了 12%。

當你申請時，使用你的作品集故事。在你的求職信中，不要說「我是個勤奮的人」。要說：「在我上一份工作中，我自動化了一個手動核對流程，為團隊每週節省了 15 小時。我很樂意將同樣的心態帶到你的營運團隊。」

Amploy 如何融入這個新階梯

這就是手動部分變得煩人的地方。你已經完成了工作。你自動化了任務，建立了作品集，確定了你的下一個角色。現在你需要申請 JobsDB、CTgoodjobs、LinkedIn Hong Kong 和 Indeed 上的 20、30 甚至 50 份工作。每份申請都要求你的履歷、求職信，有時還會將你的整個工作經歷重新輸入到他們的系統中。

這就是 Amploy 可以提供幫助的地方。與其花費數小時手動調整每份申請，Amploy 會閱讀職位描述和你的個人資料，然後生成一份針對該特定職位突出你自動化成就的定制履歷和求職信。它還有一個自動填寫功能，可以填寫香港求職平台上的申請表格——你只需按 Tab 鍵接受每個建議。你保持控制權，但節省了數小時。

職位管道追蹤器可以整理一切：你申請了哪些工作、哪些有回覆、哪些正在面試中。不再需要試算表。不再錯過那個來自 HKUST 校友初創公司的完美職位。

這樣想吧：你已經在自動化你的日常工作。為什麼不也自動化你的求職過程呢？

---

階梯就在那裡。你只需要踏出一步。

從資料輸入到數據策略的職業階梯不是幻想。它正在香港發生。能夠爬上去的人，不是那些擁有最漂亮學位或最多 SQL 認證的人。而是那些看著自己沉悶的試算表，然後問：*我怎樣才能讓它變得更好？*的人。

你已經有了數據。你已經有了經驗。唯一缺少的是策略——以及踏出第一步的意願。

如果你準備好停止打字、開始思考，不妨試試 Amploy。它是免費開始使用的，專為像你這樣的香港求職者而設。因為最好的求職工具，就是你最終會卸載的那個——因為你找到了那份讓你忘記自己曾經在找工作的職位。