感謝您提交詢問！我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂！我們的一位團隊成員將在短時間內與您聯繫。
課程時長 35 時間：
課程簡介
AI基礎與Python搭配AI應用於財務
現代財務中的AI、分析與代理型AI
- 生成式AI、機器學習、自動化與代理型AI的差異，以及各自在財務中的適用場景。
- 涵蓋會計、FP&A、報告、稽核、資金管理與共享服務的財務使用案例。
- 辨別適合AI輔助的任務與適合受控自動化的任務。
財務Python - 以AI作為編碼夥伴
- 財務專業人士的Python基礎：變數、資料型別、條件、函式與筆記本。
- 使用AI助手來產生、解釋、除錯及精煉Python程式碼，而非孤立地編碼。
- 用於產生可靠財務程式碼的提示技巧。
在Python中處理財務資料
- 使用Pandas與DataFrames匯入Excel與CSV資料。
- 篩選、分組、彙總及計算財務指標。
- 使用AI解釋錯誤、改善邏輯並記錄分析步驟。
實用財務編碼應用
- 自動化重複計算、差異分析與比率分析。
- 透過AI輔助程式碼審查，建立可重複使用的Python工作流程。
- 在將輸出用於財務報告前進行驗證。
實作應用
- 建立一個AI輔助的Python工作流程，以分析樣本財務資料集。
- 審查產生的程式碼、測試假設，並透過人工驗證改善輸出。
進階財務資料分析與AI
財務資料準備與品質
- 清理、驗證及標準化財務資料。
- 處理遺漏值、重複項、不一致的分類及日期問題。
- 結合多個財務來源的資料進行分析。
進階財務分析
- 收入、成本、利潤率、獲利能力與營運資金分析。
- 預算與實際比較、差異分析及同期比較分析。
- 向下鑽取分析，以識別關鍵財務驅動因素。
AI輔助分析與異常偵測
- 使用AI調查變動、模式與異常交易。
- 從財務資料產生分析性問題與假設。
- 區分有用訊號與誤導性的AI生成解讀。
預測與情境分析
- 用於預測的歷史趨勢、驅動因素與假設。
- 用於財務決策支援的假設與敏感度分析。
- 使用AI支援情境敘述，同時維持財務控制。
實作應用
- 對財務資料集進行端對端分析，並識別關鍵差異與異常。
- 準備一份簡潔的AI輔助財務洞察摘要，並以底層資料為依據。
AI基礎的財務儀表板與管理洞察
財務儀表板設計
- 為財務、管理與營運報告選擇有意義的KPI。
- 以決策問題為導向設計儀表板，而非追求視覺數量。
- 建構高階主管、管理階層與分析師檢視畫面。
建立互動式財務儀表板
- 連接並轉換財務資料以供儀表板使用。
- 建立KPI卡片、趨勢、差異視覺化、向下鑽取與篩選器。
- 建立預算與實際、獲利能力、現金流量與績效的檢視畫面。
AI增強的儀表板功能
- 使用自然語言查詢來探索財務資料。
- 產生AI輔助的KPI變動摘要與解釋。
- 使用AI識別需要深入分析的領域。
儀表板控制與可靠性
- 資料重新整理、可追溯性、驗證與對帳考量。
- 管理存取權限、敏感財務資訊與受控發佈。
- 避免誤導性的視覺或AI生成結論。
實作應用
- 使用結構化資料集建立互動式財務儀表板。
- 新增與可衡量財務變動相關的AI輔助管理評論。
總帳與財務營運中的進階AI工具
總帳中的AI應用
- 分析總帳科目、交易模式與過帳行為。
- 使用AI支援交易分類與科目層級審查。
- 識別異常、高風險或不符合模式的分錄。
用於對帳的AI
- 比對紀錄並識別財務資料集中的例外項目。
- 支援銀行、公司間與資產負債表對帳。
- 優先處理未對帳項目以供人工調查。
分錄分析
- 重複、異常與手動分錄偵測。
- 期末分錄分析與輔助解釋產生。
- 財務團隊的風險指標與審查檢查點。
財務結帳與報告中的AI
- 結帳任務優先排序與例外導向審查。
- AI輔助的差異解釋、評論與審查註記。
- 在最終報告前使用結構化核准與驗證。
實作應用
- 分析樣本總帳資料集，並識別異常與對帳例外項目。
- 為財務管理階層製作受控的AI輔助審查摘要。
用於財務營運與決策支援的代理型AI
了解財務中的代理型AI
- 構成AI工作流程代理型特性的要素：目標、規劃、工具、記憶、行動與回饋迴圈。
- 代理型AI能支援財務營運的領域，以及哪些領域仍必須保留人工核准。
- 單一代理與多步驟或多代理財務工作流程的比較。
設計代理型財務工作流程
- 建立用於資料收集、分析、驗證與報告任務的代理。
- 將代理連接到結構化財務資料與經核准的工具。
- 設計升級規則、檢查點與核准界限。
財務中的代理型使用案例
- 自動化差異調查與管理評論工作流程。
- 總帳例外分流、對帳支援與結帳狀態監控。
- 預測更新、情境準備與財務查詢助手。
代理型AI的治理、風險與控制
- 人為介入控制、稽核軌跡、權限與職責分離。
- 資料保密、幻覺風險、驗證與模型限制。
- 在生產環境部署前定義安全操作界限。
最終實作專題
- 在單一財務使用案例中，結合Python與AI、進階分析及儀表板輸出。
- 設計一個代理型工作流程，用於分析結果、標記例外並準備管理洞察。
- 展示工作流程、控制、輸出及建議的後續步驟。
最低要求
- 具備財務、會計、財務報告或FP&A概念的基本理解。
- 熟悉Excel及處理財務資料集。
- 無需具備Python程式設計經驗，但對資料分析有基本接觸會有所幫助。
- 對AI或生成式AI工具（如ChatGPT、Microsoft Copilot或Claude）有基本認識為佳，但非必要。
- 參與者應能自如地處理財務報告、KPI、預算、差異及相關財務資料。
- 實作課程期間，需自備筆電，並能存取所需的培訓工具、資料集及經核准的AI平台。
客戶評論 (1)
本次培训中可借鉴的技巧与推荐提示
Lee Mei Lin - ST Engineering IHQ Pte Ltd
課程 - InVideo AI: Creating Engaging Short-Form Videos
機器翻譯
