簡介：為何科技技能在 AFM 中至關重要

歡迎來到高級財務管理 (AFM) 學習之旅中最實用的單元之一！雖然 AFM 課程中包含許多複雜的理論與繁重的計算，但本章將聚焦於「如何做」——我們在現實世界中應如何處理數據？在現代金融職位中，你不可能只靠紙筆完成所有工作。你將會使用電腦技術來獲取資訊，並將其轉化為對董事會極具價值的建議。可以將科技視為你的「強力工具」，它能讓繁瑣的財務分析變得更快速且精準。

別擔心自己不是「科技天才」。我們將逐步拆解如何高效運用這些工具，讓你能夠專注於做出卓越的財務決策！

1. 獲取相關資訊

在進行任何分析之前，你必須先找到正確的數據。在 AFM 中，資訊來源通常分為兩類：內部來源與外部來源。

內部來源

這是指來自公司內部的數據，包括管理資訊系統 (MIS)、歷史財務報表及預算報告。例如，若你正在計算一個新專案的淨現值 (NPV)，你會從內部人力資源或生產部門取得預估的人工成本。

外部來源

這是指公司外部的數據。在 AFM 中，你通常會關注：
• 市場數據：股價、利率及匯率（例如來自 Bloomberg 或 Reuters）。
• 競爭對手資訊：用於比較本益比 (P/E ratios)。
• 經濟指標：由政府或中央銀行提供的通貨膨脹率或 GDP 增長預測。

小貼士：務必考量資料來源的可靠性。政府數據庫通常比隨便一篇部落格文章更具參考價值！

核心重點

高效獲取資訊意味著你要知道去哪裡找，並確保數據是最新的且準確的。

2. 利用試算表處理資訊

在你的 AFM 考試（以及未來職業生涯）中，試算表將是你最好的夥伴。它能讓你「操縱」數據，也就是透過處理數據來得出答案。

AFM 必備試算表函數

你不必精通所有公式，但應熟練掌握以下 AFM 的「三大功能」：
1. NPV 和 IRR：與其手動查表，試算表提供了如 \( =NPV(rate, range) \) 和 \( =IRR(range) \) 等函數。
2. 參照函數 (VLOOKUP/XLOOKUP)：用於從龐大的表格中提取特定數據點（如匯率）。
3. 邏輯函數 (IF 語句)：例如，\( =IF(NPV > 0, "Accept", "Reject") \)。

「假設分析」(What-If Analysis) 的優勢

使用科技最大的優勢之一是敏感度分析 (Sensitivity Analysis)。
比喻：想像你正在規劃一場公路旅行。試算表能讓你瞬間看出，如果油價上漲 10%，或你決定入住較便宜的飯店，總成本會發生什麼變化。
在 AFM 中，我們利用科技來觀察如果銷售量下降 5%，專案的 NPV 會如何變動。這若用人工計算會花費極長時間，但在試算表中僅需數秒即可完成。

你知道嗎？使用試算表中的數據表 (Data Tables)，你可以同時變更兩個變數（例如通貨膨脹率與折現率），立即檢視各種可能的結果範圍！

核心重點

試算表能減少人為錯誤並支援情境建模 (scenario modeling)，這對於管理複雜財務決策中的風險至關重要。

3. 效率與最佳實踐

所謂「高效率」不僅是指速度快，更重要的是有條理，讓他人（或「未來的你自己」）能夠看懂你的工作內容。

標準化你的工作流程

為了提高效率，建議遵循以下步驟：
• 輸入儲存格 (Input Cells)：將所有假設條件（如稅率或增長率）集中在一個清晰的區域。切勿將數值直接「寫死」在公式中。例如，應使用 \( =A1 * B1 \)，而非 \( =A1 * 0.25 \)。
• 公式審核 (Formula Auditing)：使用「追蹤前導參照」(Trace Precedents) 工具來查看數值的來源。
• 範本 (Templates)：針對常見任務使用標準格式，例如布萊克-舒爾斯模型 (Black-Scholes Option Pricing) 或加權平均資本成本 (WACC) 計算。

應避免的常見錯誤

• 寫死數值 (Hardcoding)：直接在公式中輸入數字會導致之後難以更新模型。
• 缺乏標籤：充滿數字卻沒有標題的試算表簡直是災難！
• 忽略單位：混淆千元單位 ($'000) 與百萬元單位 ($m) 是一個非常常見（且代價高昂）的錯誤。

記憶口訣：「L-I-C」(Label, Input, Check)
• Label（標記）：清楚標註所有內容。
• Input（輸入）：將假設條件統一輸入。
• Check（檢查）：檢查公式邏輯。

核心重點

效率來自於結構。一個結構良好的模型不僅易於更新與審核，出現錯誤的可能性也更低。

4. 數據完整性、安全與道德

身為高級財務經理，你需要處理敏感資訊。科技帶來了必須管理的風險。

保護你的工作成果

• 完整性：使用數據驗證 (Data Validation)（例如下拉式選單）來防止他人輸入錯誤類型的資料。
• 安全性：為包含併購數據等機密檔案設定密碼保護。
• 備份：務必將工作成果儲存至安全的雲端或伺服器，以防資料遺失。

道德考量

科技可能被用於操縱結果，使其看起來比實際情況更好（例如在預測中「美化」數據）。作為 ACCA 學員，你必須謹記誠信的道德原則 (Ethical Principle of Integrity)。你的模型應始終呈現最真實的觀點，而不僅僅是執行長想看到的結果。

鼓勵的話：如果這些科技概念讓你感到抽象，別擔心。當你開始練習電腦化考試 (CBE) 時，這些技能將會變得如本能般自然！

核心重點

科技是通往真相的工具。請善用安全功能來保護數據，並運用專業道德確保數據被誠實地使用。

重點回顧框

1. 來源：內部來源（公司內部）與外部來源（市場數據）。
2. 工具：運用 NPV/IRR 函數及敏感度分析，做出更好的決策。
3. 規則：禁止寫死數值 (Hardcoding)！保持輸入數據獨立並標註所有項目。
4. 安全：使用密碼與數據驗證，確保資訊安全且準確。