跳到主要內容
NTPU AI Learn

DS 105 · 模組 2

AI × Big Data：從大量資料到可信金融判斷

核心問題：如何用 AI 擷取有用訊號，又不把「模式」誤認為「真相」？

開始第一節
  • 時長60 分鐘
  • 難度基礎
  • 先備知識建議完成 Module 1
已完成 0 / 6
同步我的進度加入梯次後，進度可跨裝置保存，講師也能看到

資訊

加入後，你已完成的模組編號會連同「學員代碼」傳送給講師，講師可以看到你的進度。請使用講師提供的代碼，不要輸入姓名、公司機密或其他個資。進度資料與該梯次的其他資料一起保存。

學習目標

  • 將決策問題對應到合適的資料類型
  • 區分資料與證據
  • 用 AI 比較多來源紀錄
  • 找出缺漏的證據
  • 稽核過度自信的 AI 建議

資料 ≠ 證據 ≠ 決策

8 分鐘

資料 ≠ 證據 ≠ 決策

學習目標：將決策問題對應到合適的資料類型，並理解「資料變多不會自動產生更好的決策」。

從資料到決策的鏈結
  1. DATA（資料）
  2. context + relevance → EVIDENCE（證據）
  3. analysis + uncertainty → JUDGMENT（判斷）
  4. accountability → DECISION（決策）

注意

關鍵概念：更多資料不會自動帶來更好的決策, 資料必須先透過情境與相關性轉化為證據，再透過分析與不確定性評估轉化為判斷，最後由人承擔責任做出決策。
自我檢測

資料何時成為對決策有用的證據？

資料何時成為對決策有用的證據？

重點: 資料、證據、判斷與決策是四個不同的階段，每一步都需要額外的情境與責任才能往下走。

金融資料宇宙

12 分鐘

金融資料宇宙：五大證據家族

學習目標：認識五大證據家族，並練習為決策問題選擇最相關的家族。

五大證據家族
家族範例
傳統金融資料財務報表、價格、交易量、利率
行為／交易資料支付、使用行為、顧客活動
替代性資料（Alternative Data）新聞、搜尋趨勢、評論、衛星／地理空間指標
數位金融資料鏈上交易、智能合約事件
永續性資料排放量、氣候暴險、ESG 指標、轉型計畫
練習：資料家族對應

情境：想評估一家公司短期的還款壓力。最相關的家族是「行為／交易資料」（現金流、付款行為）搭配「傳統金融資料」（負債結構），而不是新聞情緒或鏈上資料。

  • 對每個決策問題，先問「這個問題最依賴哪個證據家族？」
  • 不同證據家族可以互補，但不能互相取代
  • 選錯證據家族，再多的 AI 分析也無法補救
自我檢測

以下哪一項最適合作為替代性資料（alternative data）的例子？

以下哪一項最適合作為替代性資料（alternative data）的例子？

重點: 五大證據家族各有用途，決策品質取決於是否選對與決策問題最相關的家族。

Source Fitness

10 分鐘

Source Fitness：這份證據適合這個決策嗎？

學習目標：學會一套輕量的來源評估矩陣，用來判斷證據是否「適合這個決策」，而不是判斷資料「是否技術上有效」。

  • Authority（權威性）
  • Relevance（相關性）
  • Coverage（涵蓋範圍）
  • Timeliness（時效性）
  • Definition（定義清晰度）
  • Comparability（可比較性）
  • Traceability（可追溯性）
  • Limitations（限制）

資訊

核心區別：DS 102 問的是「這份資料技術上有效嗎？」；DS 105 問的是「這份證據適合這個決策嗎？」本課不重複 DS 102 的資料清理流程。
自我檢測

在判斷來源適配性（source fitness）時，以下哪一項最不適當？

在判斷來源適配性（source fitness）時，以下哪一項最不適當？

重點: 評估證據適合度，是問「這對這個決策合適嗎」，而不是「這技術上乾淨嗎」或「這符合我的預期嗎」。

AI 擔任證據分析師

15 分鐘

AI 擔任證據分析師

學習目標：用 AI 比較多來源紀錄，並練習要求 AI 同時提出事實、型態、競爭解釋、缺漏證據、不確定性，以及需要人工覆核的事項。

DS105_Financial_Evidence.csv（模擬資料，節錄）
company,revenue_growth_pct,debt_band,carbon_change_pct,esg_news_signal,controversy_count,source_date
A,12,LOW,-15,POSITIVE,0,2026-08-31
B,20,HIGH,8,MIXED,2,2026-08-31
C,7,MEDIUM,-25,POSITIVE,1,2026-08-31
D,15,MEDIUM,-3,NEGATIVE,3,2026-08-31
  1. 事實
    請 AI 只陳述資料顯示的內容。
  2. 型態
    找出公司之間的差異與相似處。
  3. 競爭解釋
    對同一型態提出至少兩種可能原因。
  4. 缺漏證據
    指出還缺少哪些資料才能做出判斷。
  5. 不確定性
    標出哪些結論的確定性較低。
  6. 需要人工覆核
    列出哪些項目必須交由人判斷，不能只靠 AI 輸出。
自我檢測

以下哪一種提示最能讓 AI 扮演「證據分析師」的角色？

以下哪一種提示最能讓 AI 扮演「證據分析師」的角色？

重點: AI 應該被要求把事實、型態、缺漏證據與不確定性分開呈現，而不是直接給出一個結論。

AI 金融主張稽核

10 分鐘

AI 金融主張稽核

學習目標：稽核一則過度自信的 AI 輸出，練習「看起來合理」不代表「證據充分」。

案例：過度自信的 AI 建議

「A 公司顯然是最佳的永續投資標的，因為它降低了碳排放，而且收到正面的 ESG 新聞。」

  • 主張：A 公司是最佳永續投資標的
  • 支持證據：碳排放下降、正面 ESG 新聞訊號
  • 缺漏證據：財務穩健度、負債水準、爭議事件數量、資料時間範圍
  • 假設：ESG 新聞訊號能代表整體永續表現
  • 替代解釋：碳排放下降可能只是短期波動，而非結構性改善
  • 決策風險：若僅依此建議投資，可能忽略財務或治理面的風險

注意

核心教學：一個建議可以「聽起來合理」，同時仍然「證據不足」。這兩者並不互斥。
自我檢測

AI 說 A 公司是最佳永續投資標的，理由是排放量下降。最有力的批評是什麼？

AI 說 A 公司是最佳永續投資標的，理由是排放量下降。最有力的批評是什麼？

重點: 稽核 AI 輸出時，要檢查主張、支持證據、缺漏證據、假設、替代解釋與決策風險，而不是只看語氣是否自信。

核心練習：AI 金融證據檢核

5 分鐘

核心練習：AI 金融證據檢核

學習目標：完成本模組的核心練習，統整證據適配性、事實、推論與風險。

  • Decision Question（決策問題）
  • Data Used（使用的資料）
  • Source Fitness（來源適配性）
  • Facts（事實）
  • AI Inferences（AI 推論）
  • Missing Evidence（缺漏證據）
  • Unsupported Claims（未支持的主張）
  • Risk if Wrong（若判斷錯誤的風險）
  • Human Review Required（需要人工覆核之處）

完成

完成此練習即完成 Core Exercise 2（ds105-m2-ai-financial-evidence-check）。

重點: 本模組的總結：AI 應該擴大證據檢視的範圍，而不是取代證據判斷（AI should expand evidence inspection, not replace evidence judgment）。

另存 PDF

接下來做什麼？