歡迎來到資料建模、處理與分析的世界！

各位未來的 CGMA 大家好！歡迎來到 E1 課程大綱中最令人興奮的部分之一。在當今的數位化世界中，財務專業人士不再只是「會計員」，我們更是「數據說書人」。本章重點在於如何將雜亂無章的原始數據轉化為清晰且具行動力的洞察，協助企業取得成功。

別擔心自己是否為「科技人」。我們會將內容拆解成簡單的步驟，並透過日常生活中的例子來確保你為考試做好充足準備。

1. 資料建模：建立藍圖

在分析數據之前，我們必須先將其組織起來。你可以將資料建模（Data Modelling）想像成建立一套數位檔案系統。如果你只是把衣服堆成一堆，你什麼也找不到；但如果你使用帶有架子和衣架的衣櫃，一切都一目瞭然。這就是資料模型對企業的作用。

什麼是資料模型？

資料模型是一種視覺化表達或「藍圖」，用來定義數據如何儲存、組織，以及與其他數據之間的關聯。在 CIMA E1 的背景下，你應該熟悉關聯式資料庫（Relational Database）模型。

必須掌握的關鍵術語：

- 實體（Entity）：我們想要儲存數據的人、物件或概念（例如：「客戶」或「產品」）。
- 屬性（Attribute）：該實體的特徵（例如：客戶的「姓名」或產品的「價格」）。
- 關係（Relationship）：兩個實體之間如何連結（例如：「客戶」下達「訂單」）。

快速回顧：資料庫類比

將資料庫想像成一個 Excel 分頁簿：
- 表格（Table）就是個別的試算表。
- 記錄（Record，即列/Row）就是一筆特定的項目（例如一位特定客戶）。
- 欄位（Field，即行/Column）就是某種特定的資訊類別（例如電話號碼）。

重點總結：資料建模確保數據結構一致，讓財務團隊中的每個人都能看到同樣的「真理版本」。

2. 資料處理：ETL 程序

原始數據通常是「髒」的——可能包含重複項目、缺失值，或者格式錯誤。為了使其具備實用價值，我們使用一種稱為 ETL 的流程。

記憶小撇步：記住 E.T.L. 代表「Extract（提取）、Transform（轉換）、Load（載入）」。

步驟 1：提取（Extract）

這是我們從各種來源「抓取」數據的階段。來源可能包括公司內部的銷售系統、社交媒體，甚至是公開網站。

步驟 2：轉換（Transform）

這是對財務專業人士來說最重要的部分！我們在這裡「清理」數據。這包括：
- 刪除重複數據。
- 修正錯誤（例如：將 "UK" 和 "United Kingdom" 統一格式）。
- 轉換格式（例如：確保所有日期顯示為 DD/MM/YYYY）。
- 計算新數值（例如：計算 利潤 = 收入 - 成本）。

步驟 3：載入（Load）

最後，我們將清理好的數據「載入」到目的地，例如資料倉儲（Data Warehouse）或報告工具（如 Power BI 或 Excel），準備進行分析。

你知道嗎？數據科學家通常會將 80% 的時間花在「轉換」階段！正是這種「準備工作」讓後續的分析變得可能。

3. 資料分析：將數據轉化為洞察

數據經過清理並建立結構後，我們就需要進行分析。CIMA 課程強調了四種主要的分析類型。你可以將它們想像成階梯——你爬得越高，對企業的價值就越大！

1. 描述性分析（Descriptive Analytics）：發生了什麼事？

著眼於過去。大多數傳統的財務報告都是描述性的。
例子：「我們上個月的銷售額是 50,000 英鎊。」

2. 診斷性分析（Diagnostic Analytics）：為什麼會發生？

深入挖掘趨勢產生的原因。我們通常在這裡使用「向下鑽取（drill-down）」技術。
例子：「銷售額下降是因為我們的主要供應商延遲了交貨。」

3. 預測性分析（Predictive Analytics）：未來會發生什麼？

利用歷史數據和統計模型來預測未來。
例子：「根據去年的趨勢，我們預計下個月銷售額將增長 10%。」

4. 規定性分析（Prescriptive Analytics）：我們該如何達成目標？

這是「黃金標準」。它建議採取具體行動來實現特定目標。
例子：「為了最大化利潤，我們應該將產品 A 的價格提高 5%，並投入 1,000 英鎊於社交媒體廣告。」

分析方法摘要表

- 描述性：回顧（過去）
- 診斷性：洞察（理解）
- 預測性：前瞻（未來）
- 規定性：優化（行動）

4. 資料視覺化：訴說數據故事

如果管理層無法理解，數據分析就毫無用處。資料視覺化（Data Visualisation）是一門將數據以圖表、圖形或地圖等視覺格式呈現的藝術。

有效視覺化的技巧：

- 保持簡潔：避免「圖表垃圾」（不必要的裝飾）。
- 選擇正確的圖表：使用折線圖顯示隨時間變化的趨勢，使用長條圖比較不同類別。
- 突顯重點：運用色彩將視線引導至最重要的資訊上。

應避免的常見錯誤：如果有超過 5 個類別，請不要使用圓餅圖。因為人類的眼睛很難比較各個「扇形」的大小！

5. 財務專業人士的角色

在數位世界中，財務部門扮演著業務夥伴（Business Partner）的角色。這意味著我們的工作不僅僅是產生數字，還要詮釋數字。

我們必須確保數據完整性（Data Integrity，數據是否準確可靠？）以及數據安全性（Data Security，數據是否受到黑客保護？）。

如果覺得內容很多，不用擔心！只需記住：我們對結構進行建模（Model），對雜亂數據進行處理（ETL），對意義進行分析（Analyze），並將結果視覺化（Visualize）。

本章快速回顧

1. 資料建模：使用實體和屬性來構建數據結構。
2. ETL：提取（獲取數據）、轉換（清理數據）、載入（儲存數據）。
3. 分析階梯：描述性 → 診斷性 → 預測性 → 規定性。
4. 視覺化：讓決策者能輕鬆理解數據。

給考生的最後建議：如果題目詢問關於 ETL 的「轉換」階段，請尋找如清理、排序、篩選或格式化等關鍵字。如果題目詢問「規定性」分析，請尋找如建議、優化或最佳行動方針等字眼。