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 19：BI 視覺化生態與 Tableau 風控資料建模入門」！

在金融風控與監管報告的數據火場中，光靠 Excel 手動拉表早已無法應付海量且多維度的風險監控。如果我們對主流 BI 工具（Tableau, Power BI, Looker）的戰術定位模糊，或是將去識別化的風控 CSV 資料匯入 Tableau 後，連基本的 「維度（Dimensions）」與「度量（Measures）」 都設定錯位，把「分行代碼」當成數值拿去加總，或是把「曝險金額」誤設為文字，整個風控儀表板（Dashboard）就會瞬間陷入邏輯混亂、報表失真的大火！

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)

在商業智慧（BI）工具選型與 Tableau 風控資料建模的數據火場中，工具特徵誤判與 Schema 屬性混淆是致命的盲點：

• 數據火場的致命盲點：
  1. BI 工具選型錯誤（OS 與架構障礙）：不同 BI 工具有其特定的作業系統支援與資料庫連線優劣。例如 Power BI Desktop 版目前無法在 Mac OS 環境原生執行，而 Google Looker Studio 主打純雲端架構。若未評估機構內部的 IT 設備與作業系統規範就盲目選型，會導致自動化風控流水線斷卡。
  2. 維度與度量（Dimensions & Measures）錯位：將 CSV / Excel 風控資料拋入 Tableau 時，系統會自動根據欄位型態進行歸類。若未人工校正，Tableau 常會將「客戶編號（Customer ID）」或「郵遞區號」自動放進「度量（Measures）」進行加總（SUM），導致風險統計出現荒謬的總和數字。
• 打火弟兄最常犯的致命迷思：
  1. 迷思一：「Excel 能處理的資料量，拿來做全行級風控就夠用了。」 —— 錯！Excel 在處理超過 5 萬至 10 萬筆數據時電腦就容易卡死或崩潰。面對每日數百萬筆的交易與授信明細，必須使用專為巨量數據（Big Data）設計的 BI 工具（如 Tableau，可承載百萬至千萬筆以上資料）。
  2. 迷思二：「以為匯入資料後，Tableau 畫出來的預設圖表一定 100% 正確，不用檢查欄位屬性。」 —— 錯！Garbage In, Garbage Out！ 匯入資料的第一步必須在「資料檢視介面（Data Source）」精確確認每個欄位的資料型態（文字、日期、數值、地理角色），否則後續產出的視覺化全部都是錯誤的偽訊號！

🧯 2. 戰術下達與核心原理 (Tactical Strategy)

為了精準建構商業智慧風控模型，我們採用 「三主流 BI 工具評估矩陣 + Tableau 雙維度建模戰術」：

1. 三大主流 BI 視覺化生態比對

依據 Gartner Magic Quadrant 國際商業分析平台評鑑：

• Tableau (Salesforce)：
  • 優勢與定位：視覺化美學與客製化能力極高，介面所見即所得，原生支援 Mac 與 Windows 雙平台。專門為處理百萬至千萬筆以上巨量數據設計，且具備極為強大的地理空間繪圖（Geographic Mapping）能力。
  • 適用情境：跨國/全行高階風控戰情室、多維度地理暴險熱圖、互動式風險儀表板。
• Power BI (Microsoft)：
  • 優勢與定位：與 Windows 及 Office 生態系深度整合，價格相對親民且操作介面類似 Excel。但桌面版（Desktop）目前不支援 Mac OS。
  • 適用情境：Windows 環境企業、內部定期標準化營運報表。
• Looker / Looker Studio (Google)：
  • 優勢與定位：純雲端（Cloud-Native）架構，與 Google 雲端資料庫連結度高。
  • 適用情境：雲端原生企業、輕量化即時流量與指標監控。

2. Tableau 風控建模核心：維度（Dimensions）vs. 度量（Measures）

• 維度（Dimensions）：
  • 概念：離散（Discrete）資料，用 藍色 Icon 呈現。通常是類別、文字、日期或地理資訊（如 分行名稱、客戶風險等級、產業類別），用來做數據的「切片與切塊（Slicing & Dicing）」。
• 度量（Measures）：
  • 概念：連續（Continuous）資料，用 綠色 Icon 呈現。通常是可進行數學運算的連續數值（如 授信曝險額、逾期天數、損失率），預設會自動套用 加總（SUM） 或平均進行聚合。
• 地理角色（Geographic Roles）：
  • 當欄位包含 國家、城市、縣市 或 經緯度 時，Tableau 會賦予地球圖示。若資料庫僅有地址名稱，Tableau 背後內建的地名庫會自動對應產生「緯度 (Latitude)」與「經度 (Longitude)」！

🚒 3. 黃金救援步驟 (Actionable S.O.P)

實力練習：在 Tableau 中匯入銀行授信 CSV 資料，確認地理維度與數值屬性

步驟一：事前資料檢視與匯入（Data Source Ingestion）

1. 打開 Tableau Desktop / Tableau Public，將已清洗且去識別化的風控 CSV 檔案（Bank_Credit_Risk_Deidentified.csv）拖接至連線區域。
2. 進入「資料來源（Data Source）」閱讀介面，進行資料 Profiling 與檢查：
   • 確認文字欄位無亂碼、無無意義空白。
   • 檢查列數與欄數是否完整載入。

步驟二：欄位屬性校正與地理維度設定（Dimensions & Measures Calibration）

在數據視窗中，手動校正與分類欄位型態：

Tableau 授信風控資料建模屬性確認表

步驟三：進入工作表建立第一張圖表（Worksheet Execution）

1. 點擊左下角「工作表 1（Sheet 1）」進入編輯畫布。
2. 地理維度驗證：雙擊 Branch_City，Tableau 自動將產生的 Latitude 與 Longitude 放入欄與列，畫布即刻浮現精確的地圖底圖！
3. 度量警示著色：將 Exposure_Amount 拖至「標記」卡片中的「大小」，將 NPL_Ratio 拖至「顏色」，即刻生成「各縣市授信暴險與逾期率地理泡泡圖」！

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

1. 建模殘火檢查（Schema Integrity Check）：
   檢查數據視窗中的分割線，確認上方「維度」皆為藍色切片欄位，下方「度量」皆為綠色可運算數值欄位，無任何 ID 或代碼殘留在度量區。
2. 全行戰情室銜接（Dashboard Preview）：
   確認地理維度與數值屬性後，即可點擊「新建儀表板」，將分行地理地圖、產業集中度樹狀圖與 NPL 趨勢圖組合為「全行授信風險即時戰情室」！

🛡️ 4. 隊長的精神訓話 (Takeaway)

「BI 工具選型看架構，維度度量分得清；藍色切片、綠色數值鋪到位，風控資料建模無懈可擊！」