TL; DR
簡短來說，這篇文章是為了 2026 上半年的「從資料開始解題 | 打造工作現場用得上的數據素養與決策力」發送課程問卷！
緣起
這篇文章主要想和讀者溝通 2025 下半年以及 2026 上半年的計畫，平日我花費不少時間看同學們的作業內容與心得回饋，從 2019 年開課至今，累積了六門資料分析系列課程，從導論的「如何成為資料分析師」一直到專案導向的「資料分析的七個練習專案」，涵蓋了 Python、SQL 與 R 語言，一字排開、乍看之下覺得版圖已經完整，然而從批改作業與回覆完課心得的維運中，我其實對於課程的可微調、可大改之處都有一些眉目，可微調之處我多半能迅速處理（例如作業新增 Google Colab 備援連結）；然而可大改之處則必須仰賴「舊課更新」或「新課增補」這種非高頻率形式來著手。
2025 下半年：
舊課更新：SQL 的五十道練習
新課增補：從練習題到專案實戰｜為資料分析而學的 Python 基礎課
2026 上半年：
新課增補：從資料開始解題 | 打造工作現場用得上的數據素養與決策力
舊課更新
首先和大家溝通「2025 下半年舊課更新：SQL 的五十道練習」，我想要讓整個課程更專注在資料庫入門與查詢部分，會用 Common Table Expression, CTE 與檢視表取代原本淺顯的 Create、Update、Delete 內容，強化 JOIN 與資料表正規化的內容，作業連結將棄用 mybinder.org，改以 Google Colab 寫作業與執行測試，學習資料庫則會做更新與去蕪存菁，將 imdb.db 與 covid19.db 做擴增與優化，讓學員能夠在完成掌握資料內容的情況下應用 SQL 解題。
2025 下半年新課增補
接著和大家溝通的是「2025 下半年新課增補：從練習題到專案實戰｜為資料分析而學的 Python 基礎課」，在現有的課程「Python 的 50+ 練習」涵蓋了整個 Python 資料科學範疇，從程式設計入門、程式設計進階、數據分析模組再到機器學習入門，在課程的廣度部分解決了鳥瞰（Birdview）的問題，但是該堂課長達 17 小時、200 個練習題的內容，也讓許多無基礎的初學者無法順利完課，甚為可惜。有些實體課程的學員也和我討論到，他們知道假如以資料分析作為目標，許多軟體開發的進階觀念其實可以略過（例如 Decorator、Object-Oriented Programming），但他們需要有人斬釘截鐵地拍胸脯保證，讓他們放心地略過，進而專注在必要的學習上。為了讓無基礎初學者能夠僅以資料分析為目標來學 Python，我反省了「貪多嚼不爛」的缺失，期許可以讓這門課程整合練習題與專案的面向，並將完課所需的時間與精力和「SQL 的五十道練習」對齊，實踐「貴精不貴多」的思維，讓沒有足夠時間與精力完成「Python 的 50+ 練習」的學員，可以有另外一個重新出發的契機。由於新課增補不單考量開課老師的動機，很大程度要取決於上課學員的意願，因此我希望您們可以花 2 分鐘幫我完成課程問卷，您們寶貴的回饋將幫助我打造更友善、更輕鬆上手的課程！
從練習題到專案實戰｜為資料分析而學的 Python 基礎課問卷：https://go.hahow.in/np1gs
2026 上半年新課增補
再來和大家溝通的是「2026 上半年新課增補：從資料開始解題 | 打造工作現場用得上的數據素養與決策力」，在現有的課程「如何成為資料分析師」我們從課程名稱作為一個資料分析的題目出發，過程中用到了表格資料分析、網頁爬蟲分析，歸納出了資料分析師的任務、需要的技能與工具。當時是 2019 年，資料分析師擅長使用的是 Tableau、SQL 與 Python，在 6 年後的 2025 年，三者仍然是箇中翹楚，佔據資料分析師的日常工作。過去幾年，多數跨領域工作者仍將資料分析看作是另一門獨立的專業，於是提需求給公司中的資料科學團隊同事；近期則有部分學員預設 AI 可以完成資料分析的任務，於是不需要花時間、精力自己學習。然而實務上不論是委託專家或 AI，都是協作（pair programming）的一種形式，其中一方對於領域知識的掌握如果無法匹配對方，都會造成協作的不效率，進而導致專案任務的延宕。我希望可以推出一堂能給非資料科學專業的白領工作者資料分析通識的基礎課程，讓跨領域人才能在工作現場用上 Tableau、SQL、Python 進行資料的載入、資料的預處理、資料視覺化與模型的訓練和預測。同樣的，由於新課增補不單考量開課老師的動機，很大程度要取決於上課學員的意願，因此我希望您們可以花 2 分鐘幫我完成課程問卷，您們寶貴的回饋將幫助我打造更友善、更輕鬆上手的課程！
從資料開始解題 | 打造工作現場用得上的數據素養與決策力問卷：https://go.hahow.in/IOMOV
不一定是為了成為資料分析師或者資料科學家，也可能是在自己的專業領域中如虎添翼，變得更加獨立與更加有效率。不論是就業導向、專業加強導向又或者想暸解新生代分析師（可以是資料、數據、商業、財務、證券、投資等不同專業領域分析師）技能組合，都可以參考新課程以及我在 Hahow 上面已經開設的多堂課程，趕緊來填課程問卷，問卷回收結果在課程籌劃階段可能產生顯著的效果，影響這門課程的內容規劃和走向，期待收到同學寶貴的意見！
Happy data tidying, happy machine learning!