台灣常見的雲端職缺分成 5 種：雲端工程師負責把系統蓋出來、架構師決定系統該長什麼樣、SRE 顧穩定、DevOps 顧交付速度、資料工程師鋪資料管線。
零經驗轉職，從雲端工程師入門最快。
打開 104，搜尋「雲端」或「GCP」，你會看到一堆職稱跳出來：雲端工程師、雲端架構師、SRE、DevOps 工程師、資料工程師⋯⋯
看起來都跟雲端有關，但薪資區間、要會的技能、日常工作內容差距很大，光是月薪區間的起點，架構師就比工程師高 2 萬以上。
這是轉職者最常卡住的第一個問題：「我到底該投哪一個？」
為什麼一定要先搞懂職缺差別？
搞錯職缺，你會浪費半年學錯東西。
想當架構師卻先去學 Python 、想走 SRE 卻只考了 Associate 認證，這兩種情況都是真實發生過的彎路。
5 種角色的技能重疊度不到一半，證照方向也不同。先確定要走哪一條，再開始學，是最省時間的做法。
先用一個比喻，30 秒秒懂 5 種角色
把一個跑在雲端上的系統，想像成「一棟蓋在雲上、24 小時營業的大樓」：
- 雲端架構師（Cloud Architect）＝設計師：決定這棟樓怎麼蓋、幾層、水電怎麼配、消防怎麼做。動手少，但方向錯了全樓要打掉重來。
- 雲端工程師（Cloud Engineer）＝施工與水電師傅：照著設計圖把樓蓋起來、把服務一個一個裝上去、平常的修修補補。
- SRE（網站可靠性工程師）＝大樓的保全兼維修隊：確保這棟樓 24 小時不斷電、不出事，出事能最快修好，還會想辦法用自動化讓自己少值班。
- DevOps 工程師＝生產線的自動化總管：讓「設計→施工→開張」這條線跑得又快又順，蓋新東西不用每次都手工搬磚。
- 資料工程師（Data Engineer）＝專門鋪水管的人：把散在各處的資料，用管線接到一個大水塔（資料倉儲），讓需要用水（分析、AI）的人隨時打開就有。
記住這個比喻，下面每一段就很好懂了。
雲端工程師（Cloud Engineer）：最好的轉職起點
在做什麼？
雲端工程師是負責在雲端平台上實際建置與維運系統的執行角色，用來把架構師畫好的藍圖變成真的跑得起來的服務。
架構師畫好藍圖之後，由雲端工程師到 GCP、AWS、Azure 上把資源建起來。
日常工作包括：開 VM、設定虛擬私有網路（VPC，你在雲上的專屬網段）、部署 Cloud Run、設定權限（IAM）、處理維運和排錯。
一句話：架構師決定「要怎麼蓋」，雲端工程師負責「把它蓋出來、顧好它」。
需要什麼技能？
- 一朵雲的基本操作（建議先專精 GCP 或 AWS 一朵）
- Linux 基本指令、網路基礎（IP、DNS、防火牆）
- 容器基礎（Docker）
- 會看 Log、會排簡單的錯
薪水與適合誰
台灣月薪參考區間約 5～8 萬，同一個職稱在不同公司的落差可達 3 萬。
這是 5 種角色裡入門門檻最低、需求量最大的職缺，適合零經驗和非本科。
先卡進這個位置累積實戰，再往架構師發展，是最務實的路線。
雲端架構師（Cloud Architect）：薪資天花板最高
在做什麼？
雲端架構師是負責規劃整體雲端方案的設計角色，用來在系統動工前決定架構、成本與資安要怎麼配。
他要跟業務單位溝通需求，回答這些問題：系統要不要自動擴充（Autoscaling）？資料庫怎麼配才不會掛？成本怎麼壓？資安怎麼守？
架構師動手寫程式的比例比工程師低，但這不代表「不用懂 code」。
好的架構判斷，正是建立在「知道底層怎麼實作、會踩到什麼坑」之上。
差別在於，架構師的價值在「判斷怎麼設計才不會出事」，而不是「把功能刻出來的速度」。
需要什麼技能？
- 工程師那一整套技能，再往上加
- 整體架構設計能力（網路、運算、資料庫、資安怎麼串在一起）
- 成本意識（CUD／SUD 折扣、預算控制）
- 溝通能力：把技術講給非技術主管聽
- 當你要應徵架構師職缺時，Professional 等級認證是明確的加分條件
薪水與適合誰
台灣月薪參考區間約 6～12 萬以上，資深加上業務開發能力可以更高（詳細分級可看我另一篇《雲端架構師薪水完整指南》）。
適合已經有一些 IT 底子、想往上走、想突破薪資天花板的人。
雲端工程師和架構師的差別，最簡單記法：工程師「把系統做出來、顧好」，架構師「決定整個系統該長什麼樣」。同年資下，架構師的月薪區間起點比工程師高 3 萬以上。
轉職者最務實的路徑是：先當工程師卡位，累積各種架構經驗之後，再升架構師。
SRE 與 DevOps 工程師：高度重疊、常常混用
這兩個職稱在台灣的職缺裡界線非常模糊，有些公司直接混著用。但概念上還是有差別。
DevOps 是一種「文化與做法」
DevOps 原本不是一個職稱，而是一種「把開發（Dev）和維運（Ops）打通」的做法。
目標是讓「寫好程式→測試→上線」這條路自動化、又快又穩，不要每次上線都手忙腳亂。
DevOps 工程師的日常，圍繞在三件事：
- 建立 CI/CD 流水線（CI/CD 是「持續整合／持續交付」，指程式一改好就自動測試、自動上線的機制）
- 用 IaC（基礎架構即程式碼，例如 Terraform）把環境設定寫成可重複執行的檔案
- 把重複的部署工作自動化
SRE 是「用軟體工程的方法做維運」
SRE（Site Reliability Engineering）是 Google 提出的可靠度工程方法，用來以軟體工程的手段確保系統穩定，可以理解成 DevOps 的一種具體實作。
SRE 更強調用數據和工程手段顧穩定：
- SLO／SLI：訂出可量化的可靠度目標，例如「一個月內成功率要達 99.9%」
- Error Budget（錯誤預算）：從 SLO 反推出「這個月還能容忍多少故障時間」，用完就停止上新功能
- Toil（重複勞務）：指可以被自動化卻還在手動做的工作，SRE 的任務之一就是把它消滅
一句話：DevOps 是理念，SRE 是把這套理念工程化落地的做法。
需要什麼技能 & 適合誰
- 兩者都要：熟一朵雲、容器與 Kubernetes（GKE）、CI/CD 工具、監控告警、寫腳本自動化（Python／Shell）
- SRE 職缺對寫程式和數據思維的要求，比 DevOps 更明確
- 台灣月薪參考區間約 7～14 萬
- 適合已經有開發或系統維運經驗、喜歡用自動化消滅重複工作的人；零經驗要先補不少底子
SRE 和 DevOps 差在哪？DevOps 是「理念」，把開發和維運打通、追求自動化交付；SRE 是「其中一種工程化做法」，用 SLO、error budget、削減 toil 來顧穩定。在台灣的職缺裡兩者常混用，看職務說明（JD）比看職稱準。
資料工程師（Data Engineer）：最需要寫程式的工作
在做什麼？
資料工程師是負責建置與維護資料管線的角色，用來把散落各系統的資料收乾淨、送進資料倉儲，讓分析和 AI 隨時有料可用。
他要把資料透過資料管道（Data Pipeline）收集、清理、轉換，送進資料倉儲（像 BigQuery，一個專門存放大量分析用資料的地方）。
在 GCP 上，這個角色天天碰的是 BigQuery、Dataflow、Pub/Sub、Cloud Composer 這些服務。
需要什麼技能？
- 要會寫程式：SQL 是基本，Python 是資料工程師職缺最常列出的語言（這一點跟架構師很不一樣，別搞混）
- 資料庫與資料建模概念
- 資料管道工具（ETL／ELT，指把資料「抽取→轉換→載入」的兩種流程順序）
- 大數據處理（批次 vs 串流），串流資料 (Streaming Data) 指的是「每分每秒持續不斷產生的資料」。
薪水與適合誰
台灣月薪參考區間約 8～16 萬，AI 熱潮下需求持續走高。
適合喜歡跟資料打交道、不排斥寫程式的人。
如果你本來就是後端工程師、或做過數據相關工作，這是很順的轉職方向。
一張表看懂 5 種雲端職缺
| 職缺 | 一句話定位 | 核心工作 | 要寫 code 嗎 | 台灣月薪參考 | 最適合誰轉 |
|---|---|---|---|---|---|
| 雲端工程師 | 把系統蓋出來、顧好 | 部署、設定、維運雲端資源 | 少量 | 4～8 萬 | 零經驗／非本科入門首選 |
| 雲端架構師 | 決定系統該長什麼樣 | 架構設計、成本、資安規劃 | 較少（但要懂） | 6～12 萬+ | 有底子、想突破薪資天花板 |
| SRE | 用工程方法顧穩定 | SLO、監控、自動化削減人工 | 要 | 7～14 萬 | 有維運／開發經驗 |
| DevOps 工程師 | 讓交付又快又順 | CI/CD、IaC、自動化流程 | 要 | 7～14 萬 | 有開發／維運經驗 |
| 資料工程師 | 把資料管道 (Data Pipeline) 接好 | 資料管道、資料倉儲 | 一定要 | 8～16 萬 | 喜歡資料、不排斥寫程式 |
⚠️ 薪資皆為市場「參考區間」，實際受公司規模、產業、年資、面試表現影響，不是保證數字。最準的方式是自己上 104 搜尋對應職稱，看你所在地區實際開出來的薪資與職缺量。
重要提醒：這些職稱的界線，在台灣其實很模糊
上面的分法是「理想中的分工」，但台灣的中小型公司沒有分這麼細。
一個人同時做架構設計、資源部署、CI/CD 維護，甚至兼顧資料庫，在中小型團隊是常態。
反過來，當公司規模大到有獨立的 SRE 團隊時，角色會切得很細，SRE 就是 SRE，不碰資料管道。
所以我的建議是：別太糾結職稱，要看「職務說明（JD）」裡實際列的工作內容和技能要求。
職稱只是入口，JD 才是你真正要做的事。
我該從哪一個入門？轉職路徑建議
如果你正在轉職，我會這樣建議：
- 零經驗／非本科：從雲端工程師入門。入門門檻最低、需求最大，先考一張 Associate 等級認證（如 GCP Associate Cloud Engineer）卡進去，累積實戰。
- 已有 IT 底子（後端、網管、系統）：可以直接朝雲端架構師或 SRE／DevOps 準備，考 Professional 等級認證。
- 做過資料、喜歡寫程式：資料工程師會是很順的方向。
不管走哪一條，共同的起手式都是這三步：
- 選定一朵雲（建議先專精 GCP 或 AWS）
- 考一張對應等級的證照
- 想辦法碰到真實專案 （你可以叫 AI 出題目，也能教你手把手實作專案）
這三件事同步做，比漫無目的地自學快得多。
到底該考哪一張 GCP 證照？非 IT 背景建議先考 Associate 拿手感，有 IT 背景可以直接攻 Professional。（這部分我另有專文詳談。）
雲端職缺 FAQ 常見問題
Q1：完全沒經驗，我該投哪一個雲端職缺？
A： 投雲端工程師（Cloud Engineer）。這是 5 種雲端職缺裡入門門檻最低、需求量最大的職缺，適合零經驗和非本科。先考一張 Associate 等級認證卡進去，邊做邊學，再往架構師或 SRE／DevOps 發展。
Q2：SRE 和 DevOps 到底差在哪？
A： DevOps 是一種「把開發和維運打通、追求自動化交付」的理念與做法；SRE 則是 Google 提出的具體實作，用 SLO、Error Budget、削減 Toil 這些工程手段來落實它。在台灣的職缺裡兩者經常混用，看職務說明比看職稱準。
Q3：資料工程師需要很會寫程式嗎？
A： 需要。資料工程師是這 5 個角色裡最需要寫程式的，SQL 是基本，Python 是職缺中最常出現的語言要求。這一點和雲端架構師剛好相反（架構師寫 code 較少、重在設計判斷），常被搞混，轉職前要想清楚自己喜不喜歡寫程式。
Q4：這幾個職缺，哪個薪水最高？
A： 以台灣市場的天花板來看，資料工程師最高，其次資深 SRE 與雲端架構師。但同一個職稱在不同公司可以差兩倍以上，認證、實戰成果和產業別對薪資的影響比職稱本身更大。
Q5：這些職缺都要會 Kubernetes 嗎？
A： 不一定，但會是加分。SRE、DevOps 幾乎一定要碰 Kubernetes（在 GCP 上就是 GKE）；雲端工程師和架構師要懂概念、知道何時該用，不見得天天操作；資料工程師相對碰得少。想走 SRE／DevOps，Kubernetes 是必補的一塊。
Q6：非資訊科系、學歷普通，投雲端職缺會被刷掉嗎？
A： 雲端職缺看的是「你能不能操作」，不是科系。104 上的雲端工程師職缺，多數把證照和專案經驗列在必要條件，學歷欄常是「不拘」。與其糾結學歷，不如把一個能展示的實作專案做出來，面試時能講清楚你怎麼建、遇到什麼錯、怎麼解，比科系有用。
Q7：沒有證照可以直接應徵雲端工程師嗎？
A： 可以，但會辛苦很多。證照的功能是幫你通過履歷篩選這一關，尤其在你沒有相關工作經驗時，它是唯一能證明你懂的東西。如果你已經有 3 年以上系統或後端經驗，實戰成果可以取代證照；零經驗的話，證照是最短的敲門磚。
Q8：雲端職缺會不會被 AI 取代？
A： 短期內不會，但工作內容會變。AI 已經能生成 Terraform 設定檔和排錯建議，取代的是「手動打指令」這一層，也就是 SRE 口中的 toil。留下來的是判斷力：架構怎麼設計、成本怎麼取捨、出事時怎麼決策。越往架構和設計端走，越不容易被取代。
Q9：應該先學 GCP 還是 AWS？
A： 先選一朵學到會，比兩朵都學一半有用。AWS 在台灣的職缺數量較多，GCP 在資料分析和 Kubernetes 領域強勢、證照考試對非本科相對友善。兩者的核心概念（VM、網路、IAM、容器）有七成相通，學會一朵之後跳到另一朵，通常 1～2 個月能上手。
Q10：從傳統 IT（網管、MIS）轉雲端，要補什麼？
A： 補三塊：容器（Docker 與 Kubernetes）、自動化腳本（Python 或 Shell）、雲端平台的權限與網路模型（IAM、VPC）。網管和 MIS 的網路與系統底子在雲端仍然通用，這是你的優勢，缺的多半是「把手動流程變成程式碼」這個習慣。
結論：先搞懂差別，再選對入門的位置
雲端職缺拆開來就是 5 種角色：工程師蓋、架構師設計、SRE 顧穩定、DevOps 顧交付、資料工程師鋪資料水管。
對想轉職的人來說，最務實的路線是：從雲端工程師入門卡位，再依興趣和底子往架構師、SRE／DevOps 或資料工程師發展。
別被職稱嚇到，也別被職稱綁死——看清楚 JD、選定一朵雲、考一張證照、碰到真實專案，方向就會越來越清楚。
如果你看完還是不確定自己適合哪一條路，我做了一份免費的評估工具，花 3 分鐘就能幫你抓出方向：
想更有系統地從零開始，也可以看看我的 雲端架構師養成班，或直接加 Line: @754xlakm 跟我聊聊你的背景，我幫你看適合先從哪個職缺、哪張證照下手。