B01 資流:從資料、資訊到 AI 行動

核心重點

核心面向

教材重點

學生應掌握的能力

資料生命週期

建立、編輯、轉換、發布與交換文字、圖像、音訊、影音及程式資料。

能選擇適合的格式、工具及保存方式。

分析與決策

由資料清理、統計分析、視覺化進入預測、推薦、最佳化與分類。

能把商務問題轉換成分析任務,而非只蒐集資料。

系統連接

比較 API MCP,理解 AI Agent 如何使用企業工具與資料。

能辨識系統整合、權限與資料治理需求。

軟體與網站框架

掌握 LAMPOfficeAEIOU 及使用者體驗五層。

能理解前端、後端、資料庫、商務文件與介面的關係。

AI 工作流程

GOAL-S 將目標、輸出、分析、限制與來源轉成可執行工作。

能設計可驗證、可追蹤的 AI 輔助流程。

一、資流不是檔案堆積,而是可用資訊的移動

資流涵蓋資料如何被建立、編輯、轉換、發布、交換、分析與回饋。國際商務中的產品規格、詢價、報價、訂單、付款、物流、單據與售後紀錄,都屬於資流。資流品質決定商流、金流與物流能否被正確啟動及追蹤。

二、GOAL-S:把需求轉成 AI 可執行任務

模組

核心概念

主要能力

國際商務應用

G Generation

生成內容

Prompt、寫作、研究、翻譯、多模態生成

開發信、產品資料、市場研究、跨文化溝通

O Office + AI

辦公協作

文件、試算表、簡報、郵件、會議、知識管理

報表分析、合約閱讀、簡報、交易資料整理

A Agent

代理執行

目標拆解、工具使用、工作流、觸發、記憶、人工審核

B2B 開發、客戶研究、追蹤、流程自動化

L Leverage

商業槓桿

個人、流程、決策、商業模式槓桿

效率提升、資源配置、決策支援、服務重設計

 

GOAL-S 不是單純的提示詞格式,而是一個工作設計框架。它要求使用者先定義目的與驗收標準,再決定 AIOffice、自動化或 Agent 應執行哪些步驟。

三、數位內容與資料的五種操作

功能

Text 文字

Image 圖像

Audio 音訊

Video 影音

Data / Program 數據/程式

Create 建立

WordGoogle DocsNotionChatGPT

PhotoshopIllustratorCanvaMidjourneyDALL·E

AudacityGarageBandAbleton LiveLogic ProSuno

Premiere ProFinal Cut ProCapCutRunwayCanva

ExcelGoogle SheetsCSVJSONXMLAccessSQL DatabaseAirtablePythonRVS CodeCursorGitHub CopilotReplitChatGPT

Edit 編輯

校對、改寫、翻譯、摘要、排版、註解、版本修訂

裁切、去背、調色、修圖、合成、向量化、尺寸調整

剪輯、降噪、混音、音量調整、轉調、分軌、字幕對齊

剪輯、調色、加字幕、轉場、特效、去背、畫面穩定

資料清理、欄位整理、格式標準化、公式修正、查詢修改、程式除錯、版本控制

Convert 轉換

TXTDOCXPDFRTFODTMarkdownHTMLEPUB

JPGPNGGIFSVGWEBPTIFFPSDAIPDF

MP3WAVAACFLACM4AOGGMIDI

MP4MOVAVIMKVWEBMWMVGIFSRT

XLSXCSVJSONXMLSQLMDB / ACCDBSQLiteParquetHTML TableAPIPython ScriptExecutable

Publish 發布

PDF、電子書、網頁文章、部落格、電子報、教學講義

社群貼文、作品集、網站圖片、印刷品、海報、簡報素材

Podcast、串流音樂、音訊教材、語音檔、廣播內容

YouTubeTikTokReelsVimeo、線上課程、影音教材

DashboardDatasetDatabaseAPIGitHub RepositoryWeb AppAppAutomation Workflow

表格把工作分為 Create(建立)、Edit(編輯)、Convert(轉換)與 PublishExchange(發布/交換),並橫跨文字、圖像、音訊、影音及資料/程式。教材重點不是記住所有軟體,而是理解「內容類型 × 操作目的 × 輸出格式」三者必須一致。

四、常用資料分析工具

工具

主要定位

優點

限制

適合使用情境

Excel + AI

入門與日常商務分析工具

容易上手、適合整理資料、公式、樞紐分析、快速產生圖表與報告

處理大量資料與複雜模型能力有限

銷售分析、成本分析、報價比較、庫存整理、基本統計

SPSS

統計分析工具

操作介面清楚,適合問卷、迴歸、ANOVA(多組差異)、描述統計

彈性較低,進階自動化能力有限

問卷分析、市場調查、研究論文、社會科學統計

BI / Power BI

企業報表與儀表板工具

可連接多種資料來源,適合動態報表與管理決策

需要資料模型觀念,初學者需時間熟悉

企業績效追蹤、銷售儀表板、管理報表

Tableau

資料視覺化工具

視覺化效果佳,互動式圖表強,適合簡報展示

統計建模與自動化能力不如 Python

商業簡報、互動式圖表、市場趨勢視覺化

Python

程式化資料分析工具

彈性最高,可處理大量資料、自動化、機器學習、AI 分析

需要程式基礎,學習門檻較高

大量資料清理、自動化分析、預測模型、AI 應用

Excel + AI 適合商務人員快速整理、計算與探索;SPSS = Statistical Package for the Social Sciences(社會科學統計套裝軟體)適合標準化統計;BI = Business Intelligence(商業智慧)適合企業儀表板;Tableau 強於互動視覺化;Python 適合大量資料、自動化與模型。工具選擇應由問題、資料量、重複頻率與治理要求決定,而不是依「能力百分比」簡化判斷。

五、預測、迴歸與變異數分析

項目

Forecast 預測/預測分析

迴歸分析

ANOVA 變異數分析

主要目的

根據過去資料推估未來結果或趨勢

分析變數之間的影響關係

比較不同組別的平均數差異

核心問題

未來會發生什麼?數值可能是多少?

X 是否影響 Y?影響多少?

ABC 三組的平均數是否不同?

常見資料型態

時間序列資料、歷史銷售資料、需求資料、價格資料

連續變數對連續變數

類別組別對連續結果

常見例子

根據過去 12 個月銷售額預測下月銷售額

廣告費是否影響銷售額

三種廣告方式的平均銷售額是否不同

適合情境

銷售預測、需求預測、庫存預測、匯率趨勢預測

預測、影響因素分析

組別比較、實驗結果比較

Forecast(預測)回答未來可能發生什麼;Regression Analysis(迴歸分析)回答變數之間是否存在關係及影響程度;ANOVA = Analysis of Variance(變異數分析)比較多組平均數是否存在顯著差異。三者可能使用相同資料,但研究問題與模型假設不同。

六、API MCP:從系統連接到 AI 使用工具

比較項目

API

MCP

中文名稱

應用程式介面

模型上下文協議

基本概念

讓系統與系統交換資料或功能

AI Agent 用一致方式連接工具、資料與流程

主要角色

企業系統的「服務窗口」

AI Agent 的「標準插頭」

主要使用者

工程師、IT、系統整合人員

AI 開發者、企業 AI 架構人員、Agent 建置者

連接對象

ERPCRM、訂單系統、物流系統、資料庫

MCP Server、知識庫、文件、資料庫、企業工具

工作方式

開發者指定 API、參數與回傳結果

Agent 透過 MCP Client 使用 MCP Server 提供的 ToolsResourcesPrompts

是否專為 AI 設計

否,是一般軟體整合方式

是,主要為 AI Agent 連接外部工具而設計

執行範例

ERP查詢庫存、建立採購單、CRM查詢客戶資料、更新銷售階段

ERP詢問「A產品目前還有多少庫存?」、依缺貨狀況建議補貨並草擬採購單、CRM彙整某客戶過去交易與聯絡紀錄、將某案件標記為報價中或成交

標準化程度

各系統 API 規格不同,常需客製串接

用統一方式讓 AI 發現與使用工具

Copilot Studio

可透過 ConnectorPower Automate、自訂連接器呼叫

可連接 MCP Server,讓 Agent 使用外部工具與資料

安全重點

API KeyOAuthToken、權限、存取紀錄

身分驗證、工具授權、Prompt Injection 防護、工具審核、審計紀錄

主要風險

未授權存取、資料外洩、錯誤寫入、API 濫用

惡意 MCP Server、工具中毒、權限提升、Prompt Injection

適合場景

明確、固定、可程式化的系統整合

多工具、多資料來源、多 Agent AI 整合

教學比喻

企業系統的「服務櫃台窗口」

AI Agent 的「USB-C 標準插頭」

API = Application Programming Interface(應用程式介面),讓不同系統交換資料與功能;MCP = Model Context Protocol(模型上下文協議),讓 AI Agent 以較一致的方式發現與使用工具、資源及提示。企業可以把既有 ERP = Enterprise Resource Planning(企業資源規劃)或 CRM = Customer Relationship Management(顧客關係管理)的 API 包裝為 MCP Server,但仍須處理認證、授權、日誌、資料最小化與人工覆核。

七、AI 引導的四種商務模型

Prediction預測

Recommendation推薦

Optimization最佳化

Classification分類

What will happen?

What should we choose?

What is the best way?

What type is it?

預測未來「未來會怎樣」

推薦選項「應該選什麼」

最佳方式「怎樣安排最好」

分門別類「屬於哪一類」

根據過去資料推估未來結果

根據條件、偏好或歷史行為提出建議

在限制條件下找出最佳方案

將資料依規則或特徵歸入不同類別

銷售預測、市場需求預測、匯率變動預測、庫存需求預測

產品推薦、客戶開發建議、市場進入建議、供應商選擇建議

報價組合、物流路線、庫存配置、廣告預算、採購排程

客戶分級、風險分級、商品分類、文件分類、詢盤分類

例:預測下季某產品在越南市場的銷售量

例:根據客戶需求推薦最適合的出口產品

例:在成本、交期與風險條件下選出最佳物流方案

例:把海外詢盤分成高潛力、普通、低潛力客戶

輸出結果通常是數值或趨勢

輸出結果通常是建議清單或排序

輸出結果通常是最佳方案或配置

輸出結果通常是類別、標籤或等級

Prediction(預測)估計未來;Recommendation(推薦)提出選項;Optimization(最佳化)在限制條件下尋找最好配置;Classification(分類)判斷資料屬於哪一類。四者的輸出不同,不能把所有 AI 任務都稱為預測。

八、軟體能力框架:AEIOU

項目

AAdobe / Autodesk

EeBook / 電子書

IInternet / Website / Server

OOffice

UUI / UX

定位

視覺、影音與設計製作能力

數位出版能力

網站與跨境電商能力

商務文件與資料處理能力

使用者體驗與介面規劃能力

對應範圍

AdobeAutodesk

eBookePubPDF

DomainServerHTMLCSSJSWordPressWooCommerceMySQLPHPForm

WordExcelPowerPointOutlookForms

UIUXWireframePrototypeUser Flow

主要用途

圖像、排版、影音、3D、建模、設計製作

電子書製作、轉檔、閱讀、出版、數位教材整理

網域、主機、前端、後端、資料庫、網站與電商應用系統

文件、表格、簡報、資料整理、報告與行政自動化

介面設計、原型設計、使用者流程、網站與 App 版面規劃

成果

商品圖、電子型錄、簡報視覺、短影片、3D 展示圖

eBookEPUBPDF 教材、電子書封面、數位商品

DomainHosting、網站架構、WordPressWooCommerce 商品頁

Word 報告、Excel 表格、PowerPoint 簡報、表單與報表

網站 wireframeApp 原型、顧客流程圖、服務頁面設計

常用工具

PhotoshopIllustratorInDesignPremiere ProAfter EffectsAuditionAcrobatAdobe ExpressLightroomAutoCADRevitMaya3ds MaxFusion 360

CalibreSigilKindle CreateApple PagesMicrosoft WordGoogle DocsAdobe InDesignCanvaPressbooksEPUB ValidatorKindle Direct Publishing

GoDaddyNamecheapCloudflarecPanelFileZillaVS CodeHTMLCSSJavaScriptBootstrapWordPressWooCommerceElementorMySQLphpMyAdminPHPGoogle FormsTypeformJotform

Microsoft WordExcelPowerPointOutlookOneNoteAccessGoogle DocsSheetsSlidesFormsNotionAirtableLibreOfficeWPS OfficePower BI

FigmaAdobe XDSketchFramerCanvaMiroFigJamWhimsicalBalsamiqAxure RPInVisionMazeHotjarGoogle Analytics

A 代表 AdobeAutodesk 的視覺與設計能力;E 代表 eBook(電子書)與數位出版;I 代表 Internet(網際網路)、網站與伺服器;O 代表 Office 商務文件與資料處理;U 代表 UIUXUI = User Interface(使用者介面);UX = User Experience(使用者體驗)。這五類能力共同支撐內容、系統、流程及使用者操作。

九、LAMP 與網站系統

層次

英文原文

主要功能

商務應用

L

Linux

伺服器作業系統與執行環境

網站主機、權限、排程與服務管理

A

Apache HTTP Server

接收瀏覽器請求並提供網頁

企業網站、入口與網址路由

M

MySQL

儲存、查詢與管理結構化資料

產品、客戶、訂單與內容資料庫

P

PHP

後端程式邏輯與資料庫互動

表單處理、登入、報價與電商功能

前端

HTMLCSSJavaScript

呈現內容、版面與互動

產品頁、詢價表、狀態顯示

LAMP = Linux, Apache, MySQL and PHP,是常見的網站軟體組合。LAMP 不等於整個 Internet,也不應把 Apache 直接稱為前端;Apache Web Server(網頁伺服器),HTMLCSS JavaScript 才是瀏覽器端的主要呈現技術。

十、Jesse James Garrett 的使用者體驗五層

分析面向

戰略層 Strategy

範圍層 Scope

結構層 Structure

框架層 Skeleton

表現層 Surface

核心任務

定義市場、買家、信任與成交目標。

決定本期要做的商務模組與資料。

串接產品、詢價、報價、金流、物流、單據、服務。

安排頁面、表單、導航、狀態與提示。

建立清楚、專業、可信的最終呈現。

實際作業

設定 KPI:有效詢價率、報價時間、付款完成率、客服量。

盤點功能與內容:產品、RFQQuotePaymentShippingDocumentsService

畫出七條流程:產品資料流、詢價流、報價流、金流、物流、單據流、服務流。

做線框圖:產品頁、詢價表、報價頁、付款頁、物流頁、文件中心、客服中心。

制定視覺規則:表格、狀態色、文件模板、多語言排版。

商務案例

讓海外買家願意詢價、付款並再次合作。

產品頁需有規格、MOQLead Time、幣別、付款、物流、文件。

產品 詢價 報價 訂單 付款 出貨 單據 售後。

CTA 放在可見處;表單分段;狀態清楚;錯誤可修正。

報價單、文件、頁面與 Email 視覺一致,降低風險感。

交付成果

UX 策略簡報、Persona、商務旅程圖、KPI 表。

功能清單、內容清單、資料欄位表、版本範圍表。

商務流程總圖、狀態圖、資料模型、服務藍圖。

Wireframe、表單規格、導航規格、錯誤訊息規格。

Style GuideUI Mockup、狀態元件、文件模板。

檢核重點

是否有清楚成交目標與信任策略?

是否缺少交易必要資料?是否範圍過大?

是否完整串接七大商務流程?

用戶是否看得到、填得完、改得了?

是否清楚、可讀、一致、可信?

五層由抽象到具體依序是 Strategy(戰略)、Scope(範圍)、Structure(結構)、Skeleton(框架)與 Surface(表現)。設計國際商務平台時,應先定義買家與成交目標,再決定功能、流程、頁面配置及視覺,不能從顏色與版面直接開始。

十一、手機、伺服器、雲端與 AI 的資料路徑

節點

角色

主要風險

手機/瀏覽器

使用者入口,蒐集輸入並呈現結果

裝置遺失、惡意 App、身分冒用

API GatewayServer

驗證請求、執行業務邏輯與串接服務

未授權存取、流量攻擊、錯誤權限

DatabaseNAS

保存交易、文件與歷史資料

外洩、備份不足、版本衝突

Cloud Infrastructure

提供可擴張運算、儲存及網路

供應商依賴、區域中斷、成本失控

AIAnalytics

把資料轉為預測、分類、建議與行動

偏誤、幻覺、不可解釋與自動化誤用

典型路徑可表示為:手機或網站 API Cloud Server Database AIAnalytics 回傳結果。NAS = Network Attached Storage(網路附加儲存);Cloud(雲端)是可按需配置的運算基礎設施;AI 模型則是分析與決策元件。三者功能不同。

教材小結

資流管理的重點,是讓正確資料在正確時間,以正確格式與權限,到達正確的人或系統。AI 能提高建立、分析與自動化速度,但企業仍須先定義目標、資料來源、邏輯、限制與驗收標準,並保留人工覆核與治理機制。