Skip links

經濟一週|薪酬調查|IT界嚴重缺人!未來5年大幅加薪招攬10萬新血+附轉行必學技能!

疫下企業對科技應用的需求急增加,政府亦投放資源推進科技發展,不過,有研究顯示,本港IT界即使薪酬持續上升亦未能留住人才,未來5年更需要10萬名新血才可填補缺口! 資訊科技及數碼人才獵頭公司Venturenix日前公布2022年薪酬指南,指本港IT界面對疫情及經濟下行衝擊,仍持續渴求人才,人才空缺以驚人速度增長,香港未來5年將需要額外約10萬名人才轉型 IT,當中至少3萬名為軟件工程師。 IT界鬧人才荒 Venturenix研究顯示,建築及製造、教育、餐飲等行業受疫情影響而減少職位空缺,平均空缺對人才比率約1:50 。 然而,IT界的職位空缺遠較上述行業嚴重。 資料顯示,截至2022年1月,本港共有12萬人於IT界工作,而業界截止2022年4月則有9,097個招聘廣告,空缺對人才比率只有1:13。 如將業界的工作範疇細分,截止2022年1月,本港則有3,000人從事數據工程或數據分析工作,相關招聘廣告截止2022年4月卻只有856個,即平均空缺對人才比率只有1:3.5 。 Venturenix認為香港企業需要加強職業培訓,並培養足夠人才,同時鼓勵員工從傳統行業投身IT界,方可紓緩IT人才荒的問題。 Venturenix又指,IT界別受移民潮(本地人才外移)及更多企業採取數碼化策略(傳統及初創公司開設更多新職位)影響下,人手越見緊張,認為業界及政府需提供誘因鼓勵大學生及職場中有意轉換跑道人士接受職前培訓,為業界提供新血。 IT界2022年薪酬顯著上升 此外,根據薪酬指南顯示,IT界2022年薪酬顯著上升,個別職位如網絡基建工程師、網絡安全工程師,擁有市場渴求技術的人才更可達 15%。 由於IT界人才求過於供,行業渴求基層員工加入,所以基層員工的薪酬升幅較中層及管理層為大。 以部分職位作為例子: 數據工程師,部份中層員工的薪酬升幅達 8%;基層員工的薪酬升幅亦可達14%。 數據科學家,部分中層員工的薪酬較去年提升5%。

IT Career Path

全球都搶緊IT人,而隨住消費者的行為模式在新冠疫情爆發以來加速改變,全球企業為了滿足市場需求,許多企業亦加速數碼轉營步伐,積極投入IT領域,尋求更多的數碼化轉型機會。 在這個過程中,人才成為了很多企業數碼轉型的關鍵。但個個都話想做IT,唔通真係人人都做到IT?本文會詳細說明IT既唔到職位,同詳較多人選擇及較多人轉行成功的路徑-軟件工程師。 很多人誤解了軟件工程師的職業發展路徑,認為他們只會一直對著電腦進行編程。實際上,有近70%的具備編程能力的IT人員,在經過2至10年的編程工作後,轉向了非技術路線。那麼,對於懂編程的IT人員來說,他們的職業生涯有哪些可能性呢?本文將深入探討IT人員的職業發展路徑,為您解答這個可能困擾緊想轉行既朋友既問題! Software Engineer 的職涯階梯大致可分為兩條主要路線,Technical Path 及 Non-Technical Path。 一、職涯階梯 (Career Path) – Technical Path (走技術路線) Programmer 走 Technical

10 大前景最快增長職業

世界經濟論壇於今年五月一日勞動節發表有關各大工種未來就業前景報告 近年來,全球經濟放緩,世界各地大公司都有很多業務重組及裁員的行動。這些變動不僅影響了企業的經營模式,也加速了時代的更替,從而影響對人才的需求。面對這樣的變化,人才轉型的速度變得越來越重要。 然而,正如世界經濟論壇最近的調查所顯示,全球都見到IT工作職位增長的趨勢。這些工作不僅在數量上增加,而且在未來幾年內增長的速度也將持續加快。 Image source: World Economic Forum 根據世界經濟論壇調查,未來五年以下十個工種的職業前景會有最快的增長: 1)人工智能及機械學習專家 – 需要設計和執行機械學習算法及人工智能系統,用於各種唔同的應用,例如自然語言處理、電腦視覺及機械人。所需 IT 技能: Python, Machine Learning, R, SAS, Java. 

ChatGpt 都識揼Code?IT人難逃被AI人工智能取代的命運?

IT 人會不會被AI人工智能取代?近年來,隨著人工智能技術的不斷發展,許多人擔心自己的工作可能會被AI取代。目前,許多AI技術已經能夠完成軟件開發的某些部分,因此有人認為,軟件工程師的工作可能會被AI取代,飯碗也可能不保。 AI 人工智能會取代IT人的想法,可能源自於大家對軟件工程師工作及AI的理解不夠充足。 AI技術的發展引發了對於軟件工程師職業前景的擔憂。然而,軟件工程師的工作並非像一些人想象的那樣容易被AI取代。讓我們嘗試解釋為何AI無法取代軟件工程師吧(至少不能大規模地取代)。 要了解AI 人工智能能否取代IT人,首先我地要知道AI 是如何學習的。AI學習是透過大量相似開源數據學習相對重覆的事物,請留意重點,是「大量」,「相似」,「開源」數據。例如認人,搜尋法律案件,分析病人身體數據,等能力。但如果一個只被訓練認人的AI,見到一張猩猩的圖片,它未必即時辨認到這張圖片中的不是人類。又或者一個被訓練分析香港法律的AI,突然香港有需要增加一條法例,AI並不能夠根據一條新的法例提供準確意見。 以上東西都可以有大量數據的原因,是因為人像相在網絡上可以輕易找到的。法律判刑及理據大部份都是公開的,而判刑準則大都依照以往例子。病人數據當然並非完全公開,病人個人資料是絕對保密,但除去個人資料後的血液數據或X光片等不同資料,則有醫學及研究作用,而醫生分析病情都是根據某病人的數據或檢查結果,比對以往類似病歷的病人,而得出某一病人是健康或生病以至於哪一種病的理據。以上的例子都是AI人工智能能代替人類工作的最佳例子,透過「大量」,「相似」的「開源 」或「開放」數據,而「得出結論或結果」的工作。 再以作曲為例子,AI人工智能可以透過大量例如廣東歌,再透過告訴它哪一首歌最大熱,它便可以透過以前流行大熱的歌中找一些相似的「Pattern」,例如這些歌大部份幾分幾秒會去到副歌,副歌多長,通常每段配搭多少個音節,或者靠寫該AI 的人告訴它,還有甚麼因素及Pattern能影響一首歌會否大熱,它再嘗試根據這些條件或Pattern寫一首歌。但它寫不到新的風格,或者它隨機寫到新的風格之後,它無法估計這首歌有否大熱的機會,最終仍是需要人類作最終決定。 了解到AI的原理後,我們可以再了解一下大部份IT人的工作。 軟件工程師大多數需要開發全新的系統,這樣的系統需要獨立的設計和編程,而不是重複的或者標準化的。即使有一些重複的部分,軟件工程師也需要不斷地進行優化及改進,以確保系統的安全性和可靠性。而AI技術目前主要應用於需要重複性工作的領域,例如圖像識別和語音識別等,並不適用於複雜的系統開發。 其次,企業使用的系統往往非常複雜,後台系統可以是由數十個甚至數百個系統組成的。這些系統之間需要進行數據交換和互通,且每個系統都具有獨特的特點和功能。因此,AI技術需要大量的數據來進行訓練,而企業的後台系統大多是獨一無二的,因此無法從其他系統中學習。此外,軟件工程師需要對系統進行深入的了解,才能夠開發出高品質的軟件。而AI技術目前還無法完全替代人類對系統的理解和分析。 最後,世界上大部份的IT開發都是以創新為主。例如,二十年前的Mobile Apps開發,IT人為世界創新出一系列如Uber, AirBnB,Facebook,Netflix 等全新技術,有關創新技術不但沒有「大量」,「相似」的系統或代碼 (Source

「有圖有真相」烏克蘭被投降?

有圖有片有真相這個說法在現今世代已經不再成立。隨著AI 急速發展、deepfake 技術盛行,連烏克蘭總統都遭殃,於俄烏戰爭初期受虛假散佈的 deepfake 影片誤傳投降消息。到底 deepfake 是何方神聖?它是怎樣操作的?Deepfake 與 machine learning有何關聯? Deepfake 是甚麼? Deepfake (深偽技術),又名深度偽造,是利用 AI 中的 deep learning(深度學習)影片中的人物表情,將已有的圖像或影片覆蓋到目標圖像或影片上。加上聲音偽造即可以假亂真,製造出讓任何人說出任何話的虛假影片,就如烏克蘭總統的投降影片。 Deepfake 透過自動編碼器(Autoencoder)生成,加以融合生成對抗網路(Generative