收到！各位打火弟兄注意，我是今天的資料分析兼 AI 戰術教官。裝備檢查完畢，全部給我集中精神進入狀況！

今天的救援任務是推進 「Day 9：非結構化文本轉結構化風控表格（KYC、申訴與財報解析）」！

在銀行與金融風控的現場，紙本開戶 KYC 文件、顧客合規申訴郵件、AML 監控日誌，甚至是手機拍下的企業資產負債表照片，就像火場中堆積如山的瓦礫與濃煙（非結構化資料）。如果沒有將這些「資訊煙霧」精準擷取並轉化為結構化的 Excel 資料庫，風控人員根本無法進行自動化比對與風險預警！

以下依照我們的「救災標準作業程序 (S.O.P)」為大家進行全方位的實務拆解與作戰演練：

🚨 1. 災情評估與風險控制 (Size-up & Problem Analysis)

在非結構化資料轉結構化的數據火場中，數據污染與視覺辨識盲點是最致命的火源：

• 數據火場的致命盲點：照片解析度不足、角度傾斜、光影遮擋或混亂的行高，都會導致多模態 AI 辨識數字時產生位移或腦補（如將 5 誤判為 6，或把 0 誤判為 O）。如果沒有在 Prompt 中指定明確的資料結構（Schema）與驗證規則，直接將擷取出來的數字算進資產負債表，會引發致命的 Garbage In, Garbage Out 災難！
• 打火弟兄最常犯的致命迷思：
  1. 迷思一：「認為多模態 AI（VLM）是萬能神眼，隨便拍一張模糊不清的財報圖片都能 100% 準確辨識。」 —— 錯！光影反光、角度遮蔽都會降低模型的信心程度，必須建立「人工覆核（Human-in-the-loop）」機制。
  2. 迷思二：「直接將包含客戶身分證、銀行帳號等個資的 KYC 紙本掃描檔原封不動上傳給公用 AI 模型。」 —— 這是嚴重的資安違規！未去識別化（De-identification）的數據進入公用 AI，等於將企業機密與顧客個資暴露在資安外洩的風險中。

🧯 2. 戰術下達與核心原理 (Tactical Strategy)

為了從雜亂的非結構化文本與圖片中精準提煉數據，我們採用 「多模態 AI 熱顯像與結構化 Schema 雙重戰術」：

• 多模態 AI（Multimodal AI）視覺與語意擷取：
  多模態 AI 就像火場中的熱顯像儀，能同時處理圖像（PDF/照片）與文本。它不只執行傳統 OCR 的字形辨識，更能理解表格的語意結構（如區分「流動資產」與「長期負債」）。
• 結構化 Schema 邊界與保護網：
  透過 Prompt 強制定義輸出欄位名稱、資料型別（字串、數值、日期），並設定「信心程度（Confidence Score）」與「無法判斷 / 人工覆核」標籤，確保低信心度的辨識資料能及時截斷並轉交人工覆核。

🚒 3. 黃金救援步驟 (Actionable S.O.P)

事前佈線（Data Preparation & De-identification）

1. 影像與文本去識別化：上傳前將客戶姓名、身分證字號等敏感個資遮蔽（Masking）或改為代號（如 Company_A、Customer_01）。
2. 定義目標 Excel 結構（Schema）：明確規範轉換後的 Excel 欄位（如：項目名稱、金額、幣別、年份、信心程度、是否需人工覆核）。

深入火場（Analysis & Modeling - 實力練習：AML 監控日誌與資產負債表轉標準 Excel）

實戰情境：將以下一段混亂、帶有非標準符號與註記的 AML 監控日誌與企業財報摘要，透過多模態/結構化 Prompt 轉換為標準 Excel 表格。

1. 輸入 AI 的結構化 Prompt：

# Role (System Prompt)
你是一位精通「金融風控數據解析與多模態資料結構化」的資深資料工程師。

# Goal
請將我提供的混亂非結構化 AML 監控日誌與資產負債表文字/圖片資料，提取並轉化為符合標準 Excel 規範的結構化表格。

# Input Data
【原始非結構化資料】：
"記錄日期：2026/08/15。審查對象：Company_X (精密製造)。
資產項目部分：現金及約當現金新台幣 12,500,000 元 (無異狀)；應收帳款 45,000,000 元 (備註：含可疑高風險關係人交易 15,000,000 元，觸發 AML 預警標籤 #AML-902)；存貨 28,000,000 元。
負債與權益部分：短期借款 30,000,000 元；應付帳款 18,000,000 元；長期負債 25,000,000 元；股東權益 12,500,000 元。
系統評註：應收帳款集中度過高，自信度 88%，建議人工再確認。"

# Output Schema & Rules
1. 請解析並整理為標準 Markdown 表格（方便一鍵複製至 Excel）。
2. 欄位必須包含：[會計/風控科目 | 科目分類 (資產/負債/權益) | 金額 (NT$) | 風控/AML標籤 | 辨識信心程度 (%) | 是否需人工覆核 (是/否) | 備註說明]。
3. 金額欄位必須轉換為純數字（去除中文「元」與逗號，以便 Excel 計算）。
4. 若有 AML 預警或信心程度低於 90%，「是否需人工覆核」必須標記為【是】。

2. AI 輸出的標準 Excel 結構化風控表格：

殘火處理與儀表板（Visualization & Risk Dashboard Integration）

1. 稽核驗算（Garbage Out 防線）：
   風控人員一鍵複製 Markdown 表格貼入 Excel，套用公式檢查 總資產 (85,500,000) = 總負債 (73,000,000) + 股東權益 (12,500,000)，確認 AI 擷取金額無誤。
2. 自動化篩選與處置：
   篩選「是否需人工覆核 = 是」的列項目，針對觸發 #AML-902 標籤的 1,500 萬關係人交易即刻啟動二階段洗錢防制調查。

🛡️ 4. 隊長的精神訓話 (Takeaway)

「非結構化瓦礫堆，多模態 AI 顯神威；Schema 邊界防出錯，Excel 結構最完美！」