Excel 案例

19｜AI 財務異常診斷

一、案例定位

本案不是讓 AI 自行『猜異常』，而是先用 Excel 建立透明規則，再讓 AI 解釋異常組合、提出追查方向。

二、學習目標

建立月度財務 KPI 異常規則。

比較營收、毛利率、OPEX、應收、存貨與現金的相對變化。

用異常點數形成低／中／高風險。

使用 AI 將多個警示整合成 CFO 可讀的診斷。

三、案例情境

企業營收仍在成長，但毛利率下降、應收與存貨增加、現金快速下滑。管理層需要知道：這是正常成長投資，還是財務品質惡化？

Excel 核心表格（Word 完整閱讀版）

下列內容直接整理自本案例對應的 Excel 工作簿。Word 版保留理解案例所需的核心輸入、計算結果與管理輸出；若原始資料筆數很大，正文列示代表性樣本，而模型結果與管理摘要則完整呈現。學生可先只閱讀 Word 完成案例理解，再到 Excel 修改參數與資料進行情境重算。

Excel表 19-1｜月度財務 KPI

月份	營收	毛利率	OPEX	應收帳款	存貨	現金
1月	21,000	43.00%	7,200	28,000	35,000	24,500
2月	21,800	44.00%	7,300	28,700	35,400	25,200
3月	22,400	43.50%	7,350	29,600	36,100	26,100
4月	23,100	44.20%	7,480	30,500	36,900	26,800
5月	23,900	43.80%	7,600	31,600	38,100	27,100
6月	24,700	43.10%	7,720	32,900	39,700	26,600
7月	25,500	42.50%	7,900	34,300	41,600	25,100
8月	26,300	41.80%	8,100	35,900	43,800	23,200
9月	27,200	40.90%	8,450	37,800	46,600	20,700
10月	28,100	39.70%	8,700	40,100	50,100	17,800
11月	29,000	39.10%	9,050	42,900	54,300	14,200
12月	30,100	38.20%	9,400	46,100	59,600	9,800

Excel表 19-2｜異常檢測結果

月份	營收成長	毛利率變動	OPEX成長	AR成長	存貨成長	現金變動	異常點數	風險	主要警示
1月	0.00%	0.00%	0.00%	0.00%	0.00%	0	0	低
2月	3.81%	2.33%	1.39%	2.50%	1.14%	0.03	0	低
3月	2.75%	-1.14%	0.68%	3.14%	1.98%	0.04	1	低	毛利率下滑;
4月	3.12%	1.61%	1.77%	3.04%	2.22%	0.03	0	低
5月	3.46%	-0.90%	1.60%	3.61%	3.25%	0.01	0	低
6月	3.35%	-1.60%	1.58%	4.11%	4.20%	-0.02	1	低	毛利率下滑;
7月	3.24%	-1.39%	2.33%	4.26%	4.79%	-0.06	1	低	毛利率下滑;
8月	3.14%	-1.65%	2.53%	4.66%	5.29%	-0.08	1	低	毛利率下滑;
9月	3.42%	-2.15%	4.32%	5.29%	6.39%	-0.11	2	中	毛利率下滑; 現金急降;
10月	3.31%	-2.93%	2.96%	6.08%	7.51%	-0.14	3	中	毛利率下滑; 存貨偏快; 現金急降;
11月	3.20%	-1.51%	4.02%	6.98%	8.38%	-0.20	4	高	毛利率下滑; 應收偏快; 存貨偏快; 現金急降;
12月	3.79%	-2.30%	3.87%	7.46%	9.76%	-0.31	4	高	毛利率下滑; 應收偏快; 存貨偏快; 現金急降;

Excel表 19-3｜管理摘要

KPI	結果
高風險月份數	2
中風險月份數	2
12月毛利率	38.20%
全年營收成長	43.33%
12月現金	9,800
現金較年初變動	-0.60
12月異常點數	4

四、主要結果

全年營收由 21,000 增至 30,100 千元，成長 43.3%；但毛利率由 43.0% 降至 38.2%。

現金由 24,500 降至 9,800 千元，變動 -60.0%。

Excel 以毛利率、費用、應收、存貨與現金五類規則形成異常點數，讓 AI 的診斷有可追溯依據。

五、Excel 分析方法

月增率與變動率作為異常偵測基礎。

毛利率明顯下滑、AR／存貨成長快於營收、現金急降等各計 1 點。

異常點數再分類為低／中／高風險。

六、結果分析與管理解讀

最重要的不是某個 KPI 單獨變差，而是『營收成長＋Margin 下滑＋營運資金膨脹＋現金下降』同時出現。

規則式模型的優點是透明，學生可以質疑門檻並修改。

AI 應提出追查問題，例如價格折扣、產品組合、收款條件與庫存滯銷，而不是直接宣稱舞弊或財務危機。

七、What-if 練習

將 AR 與存貨 12 月餘額各降低 10%，或將毛利率恢復到 41%，觀察異常點數與管理判讀。

八、AI 分析 Prompt

你是 CFO 財務診斷助理。只能根據 Excel 的月度資料與異常規則：① 找出風險最高月份；② 解釋異常是由哪些 KPI 組成；③ 區分獲利品質、營運資金、流動性三類問題；④ 提出需要管理層驗證的 5 個問題。不得把異常直接等同舞弊。

九、Excel 與 AI 的分工

Excel：規則、門檻、點數與可重算的異常偵測。

AI：跨 KPI 解釋、形成診斷樹與追查清單。

十、課堂討論題

異常門檻應固定還是依產業調整？

營收成長為何可能掩蓋財務惡化？

AI 異常診斷最大的誤判風險是什麼？

十一、資料說明

本案例為教材模擬；異常門檻是教學規則，不是審計或舞弊判定標準。