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 18：商業圖表選擇矩陣與風控圖表 10 大原則」！

在金融風控與高層決策匯報的火場裡，最可怕的隱形火災就是 「圖表選錯」 與 「視覺誤導（Visual Distortion）」。有些分析師為了讓簡報看起來炫酷，硬套 3D 圓餅圖或 3D 柱狀圖，結果造成視覺比例嚴重失真、角度扭曲；或者隨手挑選不合適的圖表呈現複雜的授信數據，讓風控指揮官與稽核官根本無法在第一時間抓出暴險起火點！

以下依照我們的「救災標準作業程序 (S.O.P)」進行全方位的實務拆解與實力演練：

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

在風控報告與數據視覺化的數據火場中，視覺毒氣與圖表誤用是摧毀決策質量的致命盲點：

• 數據火場的致命盲點：
  1. 3D 視覺誤導的打擊效應：3D 圖表（如 3D 圓餅圖、3D 柱狀圖）會加入立體厚度與透視陰影，導致靠近視覺前景的區塊被不當膨脹，而背景區塊被壓縮。這種視覺誤差會扭曲實質暴險比例，甚至讓第三名的風險區塊看起來比第一名還大！
  2. 圖表類型與分析目的錯位：圖表是傳達資訊的視覺工具。如果分析目的是要「比較（Comparison）」各分行的違約金額大小，卻選用了圓餅圖，大腦就必須耗費額外能量去比對扇形角度與面積，嚴重降低溝通效率。
• 打火弟兄最常犯的致命迷思：
  1. 迷思一：「圖表越複雜、立體感越強、色彩越五彩繽紛，代表報告越專業。」 —— 錯！3D 圖表對人類大腦是視覺打擊與認知過載，會干擾客觀判讀。風控報告要求的是「客觀不失真」與「極速識別起火點」！
  2. 迷思二：「不管什麼數據，直接套用 Excel 預設的圖表樣式就丟進簡報。」 —— 錯！沒有經過「結論型標題」強化與「前注意力特徵」過濾的預設圖表，只是一堆無意義的數據廢油！

🧯 2. 戰術下達與核心原理 (Tactical Strategy)

為了確保風控報告客觀不失真，我們必須確立 「商業圖表選擇矩陣（四大核心目的）」 與 「風控圖表 10 大原則」：

商業圖表選擇矩陣（四大核心目的）

繪製圖表前，必須先釐清風控分析的終極目的：

1. 比較（Comparison）：對比不同類別或時間點的數值大小。
   • 風控最佳圖表：水平長條圖（Bar Chart）（類別多或名稱長時首選）、群組長條圖。
2. 分佈（Distribution）：觀察單一或連續變數的數值分佈涵蓋與離群現象。
   • 風控最佳圖表：直方圖（Histogram）（X 軸必須為連續變數）、散佈圖（Scatter Plot）。
3. 組成（Composition）：呈現整體中各風險區塊的占比結構。
   • 風控最佳圖表：100% 堆疊長條圖、樹狀圖（Treemap）（多階層或多類別時首選）；僅在項目小於 5 種時才使用圓餅圖。
4. 關聯 / 地理（Relationship / Geospatial）：探索雙變數間的相互影響（如利率 vs 違約率），或空間風險分佈。
   • 風控最佳圖表：散佈圖（Scatter Plot）、地圖（Map）。

風控圖表 10 大客觀不失真原則

1. 結論型標題（Actionable Title）：標題直接點出風控結論（如：新竹分行半導體授信暴險集中度過高，而非寫 分行授信統計）。
2. 嚴禁使用 3D 圖表：堅決杜絕 3D 圓餅圖與 3D 柱狀圖，防止視覺角度扭曲真實數據比例。
3. 長條圖 Y 軸必須從 0 開始：嚴禁截斷基準線，避免柱體長度差異被人為成倍誇大。
4. 極簡配色與前注意力對比：常態數據使用深灰/淡灰退後，僅將高彩度警示紅留給臨界與高風險指標。
5. 明確標註數據來源與時間（Source Line）：於圖表底部註明資料庫來源與數據截止日，確保稽核可信度。
6. 限制圓餅圖分類數量：分類不超過 5 種，且從 12 點鐘方向順時針由大至小排列。
7. 使用直接標籤（Direct Labeling）：將數值與類別名稱直接標註於圖體旁，減少視線在圖例與圖表間來回切換的疲勞。
8. 折線圖專用於連續時間趨勢：避免對非連續的獨立類別使用折線圖，引發趨勢誤導。
9. 合理控制視覺雜訊（Remove Clutter）：去除不必要的重網格線與裝飾性外框，讓數據焦點自我說話。
10. 突出離群值與風險異常點：對散佈圖中的極端高風險點加上方框包圍（Enclosure）或註解標籤。

🚒 3. 黃金救援步驟 (Actionable S.O.P)

實力練習：雙軸散佈圖（Scatter Plot）在分析「貸款利率 vs 違約率」時的優劣評估與圖表繪製

1. 「貸款利率 vs 違約率」雙軸散佈圖（Scatter Plot）優劣實理評估：

• 優勢（Pros）：
  • 精準展現雙變數關聯性（Relationship）：以 X 軸代表「貸款利率 (%)」，Y 軸代表「違約率 (%)」，每個點代表一個客戶群或授信產品線。能一眼辨識兩者是否存在正相關（如：高利率往往伴隨高違約率）。
  • 高效識別風險離群值（Outliers）：能瞬間抓出「低利率卻高違約（風險定價不足破口）」或「高利率卻零違約（優質高利潤區塊）」的異常數據點。
• 劣勢與潛在破口（Cons）：
  • 缺乏第三維度（授信金額規模）：傳統散佈圖無法顯示該資料點背後的實質金額大小（處置戰術：可升級為「氣泡圖 Bubble Chart」，以氣泡大小代表授信總額）。
  • 過度密集的視覺重疊（Overplotting）：當客戶筆數成千上萬時，資料點會擠成一團（處置戰術：調降點的不透明度/半透明設定，或改用熱度散佈圖）。

2. 高品質風控散佈圖設計實務（結構化示範）：

【結論型標題】：高利率貸款區段（>8%）違約率顯著飆升，存在風險定價不足疑慮
【雙變數對照】：X 軸：貸款利率 (%), Y 軸：違約率 (%)
【前注意力特徵】：臨界風險區（利率 > 8% 且 違約率 > 5%）加上紅色區域包圍 (Enclosure) 與警示標籤

 Y 軸: 違約率 (%)
  ^
10%|                            [🚨 臨界高風險區]
 8%|                             *  🔴 (客戶群 D: 利率9.5%, 違約8.8%)
 6%|                                * 🔴 (客戶群 C: 利率8.2%, 違約6.5%)
 4%|         * 🟢 (客戶群 B)
 2%|    * 🟢 (客戶群 A)
  0%--------------------------------------------------> X 軸: 貸款利率 (%)
       2%    4%    6%    8%   10%
【數據來源與備註】：資料來源：全行授信違約資料庫 | 資料截止日：2026/08/31

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

1. 圖表合規殘火檢查：
   風控主管檢查報告，確認無任何 3D 視覺誤導，且標題已明確寫出結論型句型。
2. Tableau 風控戰情室銜接：
   將雙變數散佈圖直連 Tableau，設定動態篩選器（Filter），讓授信審查委員會能點擊高違約氣泡，直接穿透（Drill-down）檢視底層明細與授信合規紀錄 ！

🛡️ 4. 隊長的精神訓話 (Takeaway)

「圖表選擇矩陣看目的，十點原則守護不失真；散佈圖鎖定雙變數關聯，客觀報告就是最強防火牆！」