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。
課程簡介
第一天：AI 基礎與金融領域的 AI 輔助 Python
現代財務中的 AI、分析與代理式 AI
- 生成式 AI、機器學習、自動化及代理式 AI 的差異，以及它們在財務領域的適用場景。
- 涵蓋會計、FP&A、報告、審計、資金管理及共享服務的財務應用案例。
- 識別適合由 AI 輔助的任務與需受控自動化的任務。
金融領域的 Python - 將 AI 作為編程夥伴
- 財務專業人士的 Python 基礎：變數、數據類型、條件、函數及 Notebook。
- 利用 AI 助手生成、解釋、除錯及精修 Python 代碼，而非孤立編程。
- 用於可靠生成財務相關代碼的提示詞（Prompting）技巧。
在 Python 中處理財務數據
- 使用 Pandas 和 DataFrames 導入 Excel 及 CSV 數據。
- 篩選、分組、匯總及計算財務指標。
- 利用 AI 解釋錯誤、改進邏輯及記錄分析步驟。
實用財務編碼應用
- 自動化重複性計算、差異分析及比率分析。
- 建立可重用的 Python 工作流，並結合 AI 支持的代碼審閱。
- 在用於財務報告前驗證輸出結果。
實操應用
- 構建 AI 輔助的 Python 工作流以分析示例財務數據集。
- 審閱生成的代碼，測試假設，並通過人工驗證改進輸出。
第二天：AI 輔助的進階財務數據分析
財務數據準備與質量
- 清洗、驗證及標準化財務數據。
- 處理缺失值、重複項、不一致的分類及日期問題。
- 整合來自多個財務來源的數據以進行分析。
進階財務分析
- 收入、成本、利潤率、盈利能力及營運資本分析。
- 預算與實際、差異及環比分析。
- 下鑽分析以識別關鍵財務驅動因素。
AI 輔助分析與異常檢測
- 使用 AI 調查變動、模式及異常交易。
- 從財務數據中生成分析問題及假設。
- 區分有用信號與 AI 生成的誤導性解釋。
預測與情景分析
- 用於預測的歷史趨勢、驅動因素及假設。
- 用於財務決策支持的假設（What-if）及敏感性分析。
- 使用 AI 支持情景敘述，同時保持財務控制。
實操應用
- 對財務數據集進行端到端分析，並識別關鍵差異及異常。
- 準備簡明扼要的 AI 輔助財務洞察摘要，並由底層數據支持。
第三天：基於 AI 的財務儀表板與管理洞察
財務儀表板設計
- 為財務、管理及運營報告選擇有意義的 KPIs。
- 圍繞決策問題設計儀表板，而非僅關注視覺化數量。
- 構建高管、管理層及分析師視圖。
建構互動式財務儀表板
- 連接並轉換財務數據以供儀表板使用。
- 創建 KPI 卡片、趨勢、差異視覺化、下鑽及過濾器。
- 構建預算與實際、盈利能力、現金流及績效視圖。
AI 增強的儀表板
- 使用自然語言查詢探索財務數據。
- 生成 AI 輔助的 KPI 變動摘要及解釋。
- 使用 AI 識別需要深入分析的領域。
儀表板控制與可靠性
- 數據刷新、可追溯性、驗證及核對的考量。
- 管理訪問權限、敏感財務信息及受控分發。
- 避免誤導性的視覺化或 AI 生成的結論。
實操應用
- 使用結構化數據集建構互動式財務儀表板。
- 添加與可衡量財務變動掛鉤的 AI 支持管理層評述。
第四天：總分類賬與財務營運中的進階 AI 工具
總分類賬中的 AI 應用
- 分析 GL 賬戶、交易模式及過帳行為。
- 使用 AI 支持交易分類及賬戶級審閱。
- 識別異常、高風險或不符合模式的條目。
用於核對的 AI
- 匹配記錄並識別財務數據集中的例外情況。
- 支持銀行、公司間及資產負債表核對。
- 優先處理未核對項目以進行人工調查。
日記帳分析
- 檢測重複、異常及手工日記帳。
- 期末日記帳分析及輔助解釋生成。
- 為財務團隊提供風險指標及審閱檢查點。
財務結算與報告中的 AI
- 結算任務優先級排序及基於例外的審閱。
- AI 輔助的差異解釋、評述及審閱備註。
- 在最終報告前使用結構化審批及驗證。
實操應用
- 分析示例 GL 數據集並識別異常及核對例外。
- 為財務管理層生成受控的 AI 輔助審閱摘要。
第五天：財務營運與決策支持的代理式 AI
理解財務領域的代理式 AI
- 什麼使 AI 工作流具備代理特性：目標、規劃、工具、內存、行動及反饋循環。
- 代理式 AI 可以支持財務營運的領域，以及人工審批仍不可或缺的領域。
- 單一代理與多步驟或多代理財務工作流的區別。
設計代理式財務工作流
- 創建用於數據收集、分析、驗證及報告任務的代理。
- 將代理連接到結構化財務數據及獲准工具。
- 設計升級規則、檢查點及審批邊界。
財務領域的代理式應用案例
- 自動化差異調查及管理層評述工作流。
- GL 例外分級、核對支持及結算狀態監控。
- 預測更新、情景準備及財務查詢助手。
代理式 AI 的治理、風險與控制
- 人在回路（Human-in-the-loop）控制、審計追蹤、權限及職責分離。
- 數據保密性、幻覺風險、驗證及模型局限性。
- 在生產部署前定義安全運行邊界。
最終實戰頂尖項目
- 將 Python 與 AI、進階分析及儀表板輸出結合於單一財務應用案例中。
- 設計一個能分析結果、標記例外並準備管理洞察的代理式工作流。
- 展示工作流、控制措施、輸出結果及建議的後續步驟
最低要求
- 具備財務、會計、財務報告或財務規劃與分析（FP&A）基礎概念。
- 熟悉 Excel 及處理財務數據集。
- 無需具備 Python 編程經驗，但具備基礎數據分析知識會更為有利。
- 對 AI 或生成式 AI 工具（如 ChatGPT、Microsoft Copilot 或 Claude）有基本認知者為佳，但非必備。
- 參與者應能自如處理財務報告、關鍵績效指標（KPIs）、預算、差異及相關財務數據。
- 參與實操環節時，需準備一台可訪問所需培訓工具、數據集及獲准 AI 平台的筆記型電腦。
35 小時
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
