舉個平時所接觸到的巨量資料例子：金融領域應用，股市、匯市、債市... 有人向銀行申請信用卡不過，就是因為銀行的系統偵測到一個人可能有多張信用卡，此時再根據其他因素推斷是否繼續讓此人多申辦是合適的。金融科技以網路平台為基礎，透過網路互聯進行金融服務，以線上服務架構出金融科技雲端服務平台，以社群以社群網路和搜尋引擎使用大數據應用支持金融業務服務，應用大數據的可以是網路銀行，也可以企業或個人對於小額支付、外匯交易、存款貸款的挑選。

金融科技與大數據結合的優勢，在於資訊多、資料全、搜集範圍廣、費用 / 帳目透明化、自動化以後得以節省時間人力物力、傳統銀行容易排除不易發覺的客戶... 等，但同樣有競爭加劇、資訊流通加速、資安問題的風險。我們來利用 Python 數據爬取的內建網路聯通功能，試試看取得重要的金融資訊，打開 Jupyter 利用 http 通訊模式找到遠方服務設備溝通 io 和 urllib.request，找到台灣證券交易所網址並貼進 url 裡（記得加上 https），再加上外掛去把某一頁放到 page 裡，再讀取到 mypage 的變數裡，送過來會先看到網路完全沒排版的原始碼：

建議只要不是純英文的網頁，輸出擷取資料時把內部字串加上編碼對照：

假設資訊提供者直接提供重要資訊的文件檔案，可以透過標準 java io 準備預計留下來的文件檔案，告訴它我要存成 x.html，預計寫入 (w)，標準編碼是 utf-8，完成之後關閉檔案。回到 Jupyter 資料夾，就發現抓回來的文字檔被我們抓回來了。