工程實習實戰#95

資料工程 / 資料分析實習生 2026 技術圖

「我喜歡看資料、不太喜歡做前端，可以走資料這條路嗎？」「資料分析師、資料工程師、資料科學家差在哪？」「商管系、統計系、資工系都在搶這條路，我該學什麼才有差異化？」如果你正在思考這些問題，這篇文章是寫給你的。本篇用 2026 年仍主流的工具，幫你畫一張「從入門到能投實習」的資料技術地圖，讓你不會學到一半才發現工具已經退流行。

時間錨點與 hedge：本文寫於 2026-05，工具版本與雲端定價變動非常快（dbt Fusion engine、Airflow 3.x、Looker Studio 改回 Data Studio 等都是 2025-2026 才剛發生的事）。任何具體版本、價格、官方推薦工具，請以官方文件當期公告為準，本文僅作為技術地圖。

一、資料工程 / 資料分析 / 資料科學差在哪？

這三個職位常被學生混為一談，但實習面試會明確分流。

1. 資料分析師（Data Analyst）

  • 主要工作：用 SQL 撈數字、做 dashboard、回答商業問題。
  • 關鍵能力：SQL、Excel / Google Sheets、BI 工具（Tableau、Data Studio（前 Looker Studio）、Power BI）。
  • 常見背景：商管、統計、財金、資工。
  • 適合的人：愛回答「為什麼這個數字下降」「哪個管道最賺錢」這類商業問題。

2. 資料工程師（Data Engineer）

  • 主要工作：建資料 pipeline、把分散在各系統的資料搬到資料倉儲、確保資料正確與及時。
  • 關鍵能力：Python、SQL、ETL / ELT 工具、資料倉儲、雲端服務。
  • 常見背景：資工、資管。
  • 適合的人：覺得「寫程式比寫報告有趣」、喜歡解決系統問題的人。

3. 資料科學家 / ML 工程師

  • 主要工作：建模型、跑實驗、做預測、A/B test 設計。
  • 關鍵能力：Python、統計、機器學習、PyTorch / Hugging Face、部分 SQL。
  • 常見背景：統計、資工、應數、AI 相關研究所。
  • 適合的人：對演算法、實驗設計有興趣，且能耐住性子調參。

實習階段你不必確定終點，但你要知道每條路的「最低工具門檻」是什麼，才不會浪費時間學錯方向。

二、不管哪一條：Python 與 SQL 都無可取代

如果只能學兩樣，學 Python 與 SQL。原因很簡單：這兩個是過去十年沒被取代過、未來五年也不會被取代的工具。

1. Python：資料生態系的母語

  • pandas / NumPy / scikit-learn 都建立在 Python 上。pandas 在 2026-05 已進入 3.0 系列，NumPy 也已進入 2.x 系列；舊教材若停留在 pandas 1.x / NumPy 1.x，部分 API 已 deprecated，請以官方 what's new 為準。
  • 雲端 SDK（GCP、AWS、Azure）都有 Python client。
  • LLM 與 AI 框架（Hugging Face、LangChain、LlamaIndex）都優先支援 Python。

2. SQL：資料世界的英文

  • 任何資料倉儲（BigQuery、Snowflake、Databricks、ClickHouse）都用 SQL。
  • 任何 BI 工具底層都是 SQL。
  • dbt（資料 transform 主流工具）整個邏輯就是寫 SQL。

實習面試只要是資料相關職缺，90% 會考一道 SQL 題。練熟 SELECT / WHERE / JOIN / GROUP BY / CASE WHEN / CTE 與窗函數（ROW_NUMBER OVER PARTITION BY），就能應付多數場景。

3. 中段提醒

這份技術 stack 變動快，每年至少自查一次。雲端服務（BigQuery、Snowflake、Databricks）的功能與計價變動頻繁，dbt、Airflow 等開源工具也在持續更新；學工具時請以官方文件為主。

三、ETL / ELT Pipeline：Airflow vs Dagster vs Prefect

當你的公司每天要把幾十個來源的資料搬到資料倉儲，就需要 pipeline 工具。

1. Apache Airflow

  • 最老牌、社群最大，幾乎是傳統科技公司的預設。
  • 用 Python 寫 DAG（有向無環圖），每個節點是一個 task。
  • Airflow 3.0 於 2025-04 釋出，是繼 2.0 之後最大規模改版：UI 改用 React、新的 airflow.sdk 公開 API、Edge Executor、dataset 改名為 asset（@asset decorator）。2026-05 已進到 3.x 後續版本。如果你看到的教學還是 Airflow 1.x / 2.x，DAG 語法仍可學，但部署架構與 UI 都不一樣。
  • 缺點：學習曲線較陡、本地開發體驗較弱（3.0 後已改善但仍非最簡單）。

2. Dagster

  • 2020 年後興起，主打「資料感知」的 pipeline、asset-first 思維。
  • 開發者體驗好，本地除錯更直覺。
  • 適合新團隊、新專案。

3. Prefect

  • 介於 Airflow 與 Dagster 之間，強調 Python 原生語法。
  • 部分團隊作為 Airflow 的輕量替代。

實習生怎麼選？ 看你想去的公司用什麼。台積、聯發科、傳統金融多半 Airflow；新創 SaaS、AI 公司常見 Dagster 或 Prefect。先學 Airflow 的「DAG / task / scheduler」概念，跨工具其實大同小異。面試前去該公司的工程部落格、JD、Yourator / CakeResume 的職缺敘述查一下他們用哪個，比盲學三個都不到位有用。

四、Transform 主流：dbt 為什麼變成標配？

過去十年，資料團隊用 SQL 在資料倉儲裡做 transform 都是「大型 stored procedure」「散落的 SQL script」。直到 dbt 出現。

1. dbt 解決了什麼？

  • 版本控制：所有 transform 邏輯放在 git，跟程式碼一樣 PR review。
  • 依賴管理：dbt 自動算出 model 的 DAG，知道誰先誰後。
  • 測試：每個 model 可以加 schema test、null test、unique test。
  • 文件：自動生成資料 catalog 與 lineage 圖。

2. 2026-05 dbt 生態新動態（重要）

  • dbt Fusion engine：dbt Labs 推出 Rust-based 的新引擎，主打更快的 parse / compile，新建專案（trial、starter、Enterprise）的新環境預設使用 Fusion Latest，目前支援 Redshift、Snowflake、BigQuery、Databricks adapter（Spark 也已加入）。學生作品集仍可用傳統 dbt-core Python 版本。
  • dbt Mesh：把大組織的 dbt 專案切成多個有版本契約的「project」，跨團隊互相 ref。一般實習用不到，但面試聽到別嚇到。
  • Semantic Layer：把指標定義集中管理，BI 工具直接呼叫。同樣是大組織才會碰到。

3. dbt 模型範例

-- models/marts/daily_revenue.sql
{{ config(materialized='table') }}

with paid_orders as (
  select
    order_id,
    customer_id,
    channel,
    amount,
    order_date
  from {{ ref('stg_orders') }}
  where status = 'paid'
),

daily_summary as (
  select
    order_date,
    channel,
    count(*)            as order_count,
    sum(amount)         as total_revenue,
    avg(amount)         as avg_order_value
  from paid_orders
  group by 1, 2
)

select * from daily_summary
order by order_date desc, total_revenue desc

這份 model：

  • {{ ref('stg_orders') }} 表示依賴 stg_orders model。
  • dbt 自動算依賴順序、自動 build。
  • 可以加 tests 確保 total_revenue 不為負。

實習面試會考嗎？ dbt 不是必考，但如果你能講出「我用 dbt 在學校 side project 把 raw data 切成 staging / marts 三層」，面試官會把你從一堆只會寫 select 的學生中區分出來。

五、資料倉儲：BigQuery、Snowflake、Databricks、ClickHouse、DuckDB

實習生不可能全部都摸過，但你要知道每個工具的定位。

工具 雲端 / 自架 適用場景 2026 實習常見度
BigQuery GCP 託管 大型分析、無伺服器 高（GCP 系公司必備，台灣 Dcard、Pinkoi、KKBOX 常用）
Snowflake 跨雲 企業級資料倉儲，全球市佔最高的雲倉儲 高（外商常見）
Databricks 跨雲 Lakehouse、Spark + ML pipeline，2024 年起一路推 Managed Iceberg 中高，且仍在快速擴張
Redshift AWS 託管 與 AWS 服務深度整合的倉儲 中（AWS 系老牌公司、外商常用）
ClickHouse 自架 / 託管 高效能即席查詢 中（產品分析、廣告即時數據常見）
DuckDB 嵌入式 本機 / 筆電上跑 GB 等級資料 中（個人作品集神器）

2026 趨勢提醒：Lakehouse 架構（資料湖 + 倉儲合一）已是業界主流，Databricks、Snowflake、BigQuery、Microsoft Fabric 全部都有 Lakehouse 路線。底層 table format 上，Apache Iceberg 已基本確立為跨平台標準（Snowflake、BigQuery、AWS S3 Tables、Databricks 都支援 Iceberg），Delta Lake 仍是 Databricks/Spark 生態最深整合，Hudi 則專注在 streaming / 高頻 update 的利基。實習生不必三個都學，但聽到 Iceberg 要知道它是什麼。

1. BigQuery 為什麼是入門首選？

  • 有免費額度（每月查詢一定 TB 量級，實際額度請查 GCP 官方當期公告），對學生作品集綽綽有餘。
  • 介面友善、不用自架。
  • Data Studio（前 Looker Studio，2026-04 改回原名）（同為 GCP）可以無痛接上。

2. DuckDB 為什麼很適合實習生練手？

  • 不用裝 server，直接在 Python 或 CLI 用。
  • 可以直接讀 CSV、Parquet、JSON。
  • 速度比 pandas 快、語法是 SQL，學一份賺兩份。

六、資料分析 / 資料工程職位差異

維度 資料分析師（DA） 資料工程師（DE）
主要產出 Dashboard、報表、商業洞察 Pipeline、資料模型、資料品質
主要語言 SQL（90%）、Python（30%） Python（70%）、SQL（80%）
必備工具 BI（Tableau / Data Studio / Power BI） Airflow / Dagster、dbt、雲端
常見對接對象 行銷、產品、營運主管 後端工程師、ML 工程師
實習門檻 中（懂 SQL + 商業 sense） 中高（要懂 pipeline + 雲端）
月薪起跳（實習生參考） NT$30,000 起 NT$35,000 起
適合背景 商管、統計、財金、資管 資工、資管

注意：薪資隨公司、地區、學經歷波動很大，這只是「實習生市場常見區間」的觀察值，實際數字以 Yourator / CakeResume / 實習通當期職缺與該公司公告為準，不是絕對承諾。

七、視覺化：Data Studio（前 Looker Studio）、Tableau、Power BI

1. Data Studio（前 Looker Studio）

  • Google 出品，免費、上手快、可直接接 BigQuery 與 Google Sheets。
  • 命名沿革很重要：原名「Data Studio」→ 2022 年底改名「Looker Studio」→ 2026-04 又改回「Data Studio」（付費版叫 Data Studio Pro；企業 BI 平台 Looker 維持不變）。你看到的舊教學若叫 Looker Studio 一樣可以參考，功能延續，只有命名與首頁有更新。
  • 學生作品集首選。
  • 缺點：複雜場景可能撞到效能極限。

2. Tableau（Salesforce 旗下）

  • 業界主流之一，外商與顧問業大量使用。
  • 學生版授權有提供（以 Tableau 官網當期方案為準）。
  • 學起來最大效益：在履歷寫「能用 Tableau」會直接被一批職缺納入考慮。

3. Power BI

  • 微軟出品，與 Excel、Azure、Office 365 整合好。
  • 在台灣金融、傳統製造業、外商多數會用。
  • 學起來的好處：商管系實習常見題目就是 Power BI dashboard。

4. 其他你可能聽到的名字

  • Metabase：開源 BI，新創與內部工具常用，自架方便。
  • Hex、Deepnote：collaborative notebook 兼 BI，新創資料團隊愛用。
  • Mode、ThoughtSpot：Mode Analytics 已於 2023 年被 ThoughtSpot 收購，2025 年合併進 ThoughtSpot 的 Analyst Studio，Mode 本身已不再對新客戶提供獨立產品。學生不必特別學，知道這條 timeline 即可。

實習生策略：先學 Data Studio（免費）打底，再依目標公司決定學 Tableau 還是 Power BI。

八、Notebook 與探索性分析（EDA）

1. Jupyter

  • 開源、最廣泛採用。
  • VS Code、Cursor 都內建 Jupyter 支援。
  • 本機跑、自由度最高。

2. Google Colab

  • 免費 GPU、不用裝環境。
  • 學生實作 ML 與 LLM 練習首選。

3. Hex、Deepnote

  • 雲端 collaborative notebook，可拖拉建表、自動產生 dashboard。
  • 部分新創資料團隊已採用。

4. Streamlit（Snowflake 旗下）

  • 不是純 notebook，但已成為「把分析變成小 web app」的學生神器。
  • Streamlit 於 2022 年被 Snowflake 收購，2026 年「Streamlit in Snowflake」container runtime 已 GA，可在 Snowpark Container Services 上跑、支援 GPU 與長駐服務。
  • 本機開發完全免費。

5. Gradio（Hugging Face 維護）

  • 偏 ML demo 介面，跟 Hugging Face Spaces 整合最好。
  • 2025 起 Gradio 5 / 6 強化 production-ready 與自訂 HTML 介面，做 LLM demo 適合度高。

實習生建議：Colab 學 ML，Jupyter 在本機練 pandas 與 SQL，Streamlit / Gradio 拿來把作品 demo 化，遇到 Hex / Deepnote 再學就好。

九、DataFrame 工具：Pandas、Polars、DuckDB 三角

實習常見場景：你拿到一份 CSV，要清欄位、處理缺值、做欄位轉換、輸出成 Parquet 給後段 pipeline。

1. pandas 仍是入門首選

  • 教材、Stack Overflow、ChatGPT 答案最多。
  • 2026 已進到 3.x 系列，API 仍向後相容多數 2.x 教學。
  • 小於 1 GB 的資料，pandas 完全夠用。

2. Polars 是「下一代 pandas」

  • Rust 寫的，預設多核、lazy execution，100M rows 的 groupby、CSV 讀取、join 都比 pandas 快數倍。
  • API 跟 pandas 不完全相同（chain-style 表達更接近 SQL），需要重新學一點點。
  • 2026 年很多 data team 把 Polars 設為新專案預設。

3. DuckDB 是「會 SQL 的 pandas 替代品」

  • 嵌入式、零部署。
  • 想用 SQL 思維處理 dataframe / Parquet / CSV / S3 上的檔案最方便。
  • 跟 Polars 互通好。

4. Pandas 清理範例（仍是學生最該先學的）

import pandas as pd

# 1. 讀 CSV，指定型別避免自動猜錯
df = pd.read_csv(
    "raw_orders.csv",
    parse_dates=["order_date"],
    dtype={"customer_id": "string", "status": "category"},
)

# 2. 標準化欄位名稱
df.columns = [c.strip().lower().replace(" ", "_") for c in df.columns]

# 3. 處理缺值與異常
df = df[df["amount"].notna()]
df = df[df["amount"] > 0]
df["channel"] = df["channel"].fillna("unknown")

# 4. 衍生欄位
df["order_month"] = df["order_date"].dt.to_period("M").astype(str)
df["amount_tier"] = pd.cut(
    df["amount"],
    bins=[0, 1000, 10000, 50000, float("inf")],
    labels=["small", "medium", "large", "vip"],
)

# 5. 過濾近 12 個月
cutoff = pd.Timestamp.today() - pd.DateOffset(months=12)
df = df[df["order_date"] >= cutoff]

# 6. 輸出 Parquet 給後段 pipeline
df.to_parquet("clean_orders.parquet", index=False)

print(df.head())
print(df.shape)

這段 50 行程式碼涵蓋了 80% 實習生會被丟到的「資料清理」任務。寫熟後，等碰到資料量大到 pandas 跑不動，再把同樣邏輯用 Polars 或 DuckDB 改寫一次——你會發現語法差異不大，但效能差一兩個量級。

十、串流：Kafka 與 Flink（進階）

實習生不一定碰得到，但要知道：

1. Apache Kafka

  • 訊息佇列的業界標準。
  • 用於「即時資料管道」：使用者點擊事件、IoT 訊號、訂單事件。

2. Apache Flink

  • 串流運算引擎，處理 Kafka 等來源的即時資料。
  • 比 Spark Streaming 更專注於 sub-second latency。

如果你進的是金融、廣告、電商即時行為分析團隊（例如 Appier、廣告平台），會碰到 Kafka。一般實習生先把批次 pipeline 學好，串流可以等遇到再深入。

十一、ML 入門：pandas → scikit-learn → PyTorch

走資料科學或 ML 工程路線的學生，順序大致是：

  1. pandas、NumPy：資料處理打底。
  2. scikit-learn：傳統 ML（線性回歸、決策樹、隨機森林、XGBoost）。
  3. PyTorch：深度學習主流框架，TensorFlow 仍存在但市佔下滑。
  4. Hugging Face Transformers：把預訓練模型拿來 fine-tune 或推論。

LLM 時代別忘了：

  • Embedding model：OpenAI text-embedding-3、Voyage、Cohere、開源 sentence-transformers。
  • 向量資料庫：Pinecone、Qdrant、Weaviate、Chroma、pgvector。
  • RAG 流程：文件切割 → embedding → 向量 DB → 查詢時檢索 → 拼成 prompt → LLM 生成。

實習生作品集如果能寫一篇「我用 Hugging Face + pgvector 做了一個校園 FAQ 問答系統」，會直接擠進面試官印象前 10%。

十二、雲端：GCP、AWS、Azure 怎麼挑？

1. GCP（Google Cloud）

  • 核心：BigQuery、Cloud Run、GCS、Vertex AI。
  • 強項：分析與 ML。
  • 在台灣科技業（Dcard、Pinkoi、KKBOX 等被多次點名常用 BigQuery）滲透率高，個別公司實際使用堆疊請以該公司工程部落格或職缺敘述為準。

2. AWS

  • 核心：S3、Redshift、Athena、Glue、Lambda、EMR；2024 起新增 S3 Tables（內建 Iceberg 支援）。
  • 強項：覆蓋面最廣，企業客戶最多。
  • 在外商、金融業普遍。

3. Azure

  • 核心：Synapse、Fabric、Data Factory、Databricks（與微軟深度整合）、Power BI。
  • 強項：與 Office、Power BI 整合好。
  • 在傳統金融、製造業多。

實習生策略：先學 GCP（BigQuery 免費好用） → 之後依公司加學 AWS → Azure 視機會學。

十三、實習生最常踩的三個坑

坑一：學了一堆工具，但沒有作品

履歷寫「會 Airflow、Spark、Kafka、dbt、Snowflake」但 GitHub 是空的，HR 一律當作沒看見。做一個小 pipeline、一份小 dashboard，比履歷上加 5 個工具名字有用。

坑二：只會 BI 拖拉、不會寫 SQL

Tableau、Power BI 拖拉介面看起來很高效，但底層原理不懂的人會在面試裸考時當場露餡。SQL 是基本功，沒得跳過。

坑三：忽略商業 sense

資料職位（特別是 DA、PM）面試常問：「這個指標為什麼會跌？你會看哪些次指標？」這不是純技術題，是「資料 + 商業」的綜合題。多看公司財報、產品 PRD、行銷案例，比多刷一本 SQL 教科書值錢。

十四、FAQ：學生最常問的問題

Q1：商管 / 統計系適合走這條路嗎？ 非常適合。資料分析師、資料科學家職缺中，商管 + 統計背景的學生反而比純資工有優勢，因為**「能聽懂商業問題、再翻成 SQL / 模型」是核心稀缺能力**。資工同學寫得快，商管同學問得對，兩個能搭起來最強。

Q2：不會程式只會 SQL 行嗎？ DA 入門可以，純 SQL + Excel + Data Studio 確實能找到實習。但中長期你還是要學 Python，因為自動化、API、ML 都離不開。你可以從 SQL 入門，三個月後加學 pandas，半年後加學 scikit-learn。

Q3：資料工程 vs 軟體工程哪個好找？ 2026 年台灣資料相關職缺仍在擴張，但競爭者也快速增加。如果你只會初階 SQL + pandas，難度跟 SWE 入門差不多；但如果你能加上 dbt + Airflow + 雲端 SDK，相對於同年級對手能直接拉開距離。

Q4：要不要修統計學、機率論？ 要。如果你目標是 DS / ML，統計（特別是假設檢定、回歸、A/B test 設計）是面試會問的。即使是 DA，懂 confidence interval 與 p-value 會讓你的分析比同事多一個量級的可信度。

Q5：有沒有推薦的入門 side project？ 三個常見題型：

  1. 公開資料集 + Data Studio dashboard（例如政府開放資料 data.gov.tw、台北市 open data、悠遊卡公開資料）。
  2. API 抓資料 → DuckDB → 分析（例如 PTT、Dcard 公開資料、政府 API）。
  3. 個人習慣追蹤 + dbt 模型（自己每天記錄、做時間序列分析）。

Q6：實習薪資大概多少？ 台灣資料相關實習生月薪「常見」從 NT$30,000 起，外商與大型科技公司實習生薪資可達更高水準。但會 SQL 的學生薪資中位數普遍高於不會 SQL 的同類職位，這是進場門檻最划算的投資。實際數字請以 Yourator、CakeResume、實習通當期職缺公告為準，本文僅作為粗略區間參考。

十五、結語：選一條你看得懂商業的路

資料這條路最迷人也最危險的地方在於——技術變動很快，但真正讓你脫穎而出的，往往不是「我又學了一個新工具」，而是「我能用資料講出一個別人沒看見的故事」。

請記得三個關鍵原則：

  1. SQL 與 Python 是地基：先把這兩個練到能寫出 30 行流暢查詢與資料清理腳本，再談學 dbt、Airflow。
  2. 作品集要有商業故事：你的 dashboard 要能回答「為什麼」，而不只是 show 數字。
  3. 把雲端當成必修，不是選修：GCP 或 AWS 至少摸熟一個，否則你的 pipeline 永遠跑在筆電上。

行動建議：今天就到實習通搜尋資料分析、資料工程、商業分析、PM 類實習的真實心得，看看不同公司在意的工具與面試題型差在哪。把你看到的工具列成一張表，比對你目前會的，缺什麼就往那裡補。下個月你就會比現在的自己看得清楚太多。

十六、補充：給「想轉資料」的非本科生

如果你不是資工、統計、商管系出身，看到這篇文章可能會擔心「我科系不對，是不是不該想？」其實近年資料圈最大的特色就是背景多元：有人類學、心理學、外文系出身的資料分析師，也有醫學、法律、金融背景的資料科學家。轉行三步曲：

1. 第一個月：把 SQL 練到能寫 30 行

鎖定 SQLBolt、LeetCode SQL、Mode Analytics SQL Tutorial（雖然 Mode 產品已併入 ThoughtSpot，這份教學頁仍可查到），每天一小時。一個月後，你能看懂多數實習職缺的 SQL 面試題在問什麼。

2. 第二到三個月：用 Python 做一個小分析

找一份你關心的公開資料（政府開放資料、運動賽事、PTT 文章、Dcard 看板資料），用 pandas 做一份完整分析報告，發在個人 medium 或 substack。把過程寫清楚：問題、資料來源、清理步驟、發現、限制。

3. 第四到六個月：做一份 dashboard 並部署

用 Data Studio 或 Metabase 把上面的分析做成互動 dashboard。把連結放在履歷上。面試官能點進去看的東西，永遠贏過履歷上的 bullet point。

4. 不要急著拚證照

Google Data Analytics、IBM Data Science Professional 等線上證照價值因人而異。在台灣，「實作作品」與「實習經驗」永遠比證照重要。如果你預算有限，先把錢花在雲端服務的免費額度與資料訂閱上，比刷證照更划算。

走完這四步，你會發現：轉資料這條路雖然門檻不低，但你的非本科背景反而會在面試中變成記憶點——當你能用「行銷思維 + SQL 能力」一起回答「這個指標為什麼下滑」，你已經跟純技術背景的競爭者拉開差距。

看完整文章列表