在上一次的分享中，藉由資訊圖表的幫助讓我們對於《巴拿馬報告》（Panama Paper）能夠快速又正確的掌握基本訊息，進而能夠開始展開對於資料的詮釋及應用——探索式資料分析（Exploratory Data Analysis，簡稱 EDA），就是運用視覺化、基本的統計等工具，來「看」一下資料；以期進行複雜或嚴謹的分析之前，能夠對資料有更多的認識。今天，就以一個資安小故事，讓我們演練一下在資料分析的方法論中，能夠讓你事半功倍的「探索式資料分析」。

故事是這樣開始的：

Data Genetics 的一位分析人員收到一封朋友寄來的笑話，信中宣稱「震驚全球的事實！世界上所有的信用卡 PIN 碼都被破解了！」——接著就列出了一連串從 0000 - 9999 的數字。（信用卡 PIN 碼其實就是一組四碼的數字密碼，在國外刷卡消費時作為認證使用，等同於我們在台灣刷卡時的簽名這個動作）因為四碼的密碼就只有這一萬種組合，所以看到這種「廢文」般的笑話大多數人當然是一笑置之；然而，這引起了這位分析人員的興趣：短短的四個數字裡面，哪些密碼是最容易被猜中的呢？

現在，讓我們跟著這個故事，演練在資料分析的方法論中，如何進行「探索式資料分析」：

一、資料收集

首先，顯然地 Data Genetics 不是信用卡或銀行單位、也不是專門攻擊這些單位的黑帽駭客；身為一個資料科學家，資料的取得是很重要的一環；當無法取得原始資料或是完整資料、資料來源受到限制的時候，就必須做出假設，並根據這些假設取得合理的資料來源，透過適當的取樣、逼近或模擬我們的研究對象。

在這個故事裡，分析人員從各種已經公開釋出、曝光或被揭發的數字密碼資料庫與資安漏洞中，過濾出共三百四十多萬筆的四碼數字密碼，並且假設人們傾向於在不同情境中使用同一組密碼，將這組資料集作為研究對象，試著從密碼組成的頻率去分析。

二、基本統計工具：敘述統計量

利用基本的統計工具，可以由組成數字的頻率直接知道哪一些密碼是最常被使用的，換句話說，哪些密碼是最容易被猜到的？

	PIN	Freq		PIN	Freq
#1	1234	10.71%	#9980	8557	0.00%
#2	1111	6.02%	#9981	9047	0.00%
#3	0	1.88%	#9982	8438	0.00%
#4	1212	1.20%	#9983	439	0.00%
#5	7777	0.75%	#9984	9539	0.00%
#6	1004	0.62%	#9985	8196	0.00%
#7	2000	0.61%	#9986	7063	0.00%
#8	4444	0.53%	#9987	6093	0.00%
#9	2222	0.52%	#9988	6827	0.00%
#10	6969	0.51%	#9989	7394	0.00%
#11	9999	0.45%	#9990	859	0.00%
#12	3333	0.42%	#9991	8957	0.00%
#13	5555	0.40%	#9992	9480	0.00%
#14	6666	0.39%	#9993	6793	0.00%
#15	1122	0.37%	#9994	8398	0.00%
#16	1313	0.30%	#9995	738	0.00%
#17	8888	0.30%	#9996	7637	0.00%
#18	4321	0.29%	#9997	6835	0.00%
#19	2001	0.29%	#9998	9629	0.00%
#20	1010	0.29%	#9999	8093	0.00%
	⋯⋯	⋯⋯	#10000	8068	0.00%

分析的結果，不意外地，老梗的「1234」、「0000」、「6969」等規律排列堆疊的數字組合名列前茅。但是，他同時也發現有些特別的規律：例如高居第六名的「1004」在韓文中的讀音接近「天使」（從這點我們也可以推測該分析人員使用的資料集有部分應該來自韓國）、還有第二十二名的「2580」看起來毫無規律，但是大家只要拿起手機或看看電話的撥號鍵，就知道原因了。

手機的電話撥號鍵圖

三、資料視覺化 v. s. 資訊圖表

即使是簡單的統計作圖，也能告訴你很多一眼看不出來的秘密。不相信嗎？讓我們來看看幾張讓你秒懂密碼內幕的圖表⋯⋯

1. 累積頻率圖：

從累積頻率圖可以明顯地看出，少部分的密碼就佔了絕大多數的比重；基本上不到五百組就把資料集的一半密碼都破解了。

2. 同樣是累積頻率圖，如果我們關注一些特別的模式（pattern）？

累積頻率圖2
例如，「19XX」的數字，都在資料佔比的前半段，似乎人們格外偏好「19XX」系列的密碼？

3. 進一步的檢視，試著去比較「19XX」vs「??XX」：

比較「19XX」vs「??XX」
可以看到，「19」開頭的出現頻率確實明顯高過其他的組合（同時也看到疊字組合仍是萬年不敗）；再來看看所有「19??」的分佈：

可能跟出生、或是生活中的重大事件有關，「195X」一直到「198X」的出現頻率遠遠高過其他年份，這點也符合直覺——會使用密碼的族群主要也是在這些年份出生的青壯年人口為主。

矩陣視覺化

矩陣的視覺化一直是個強大的工具：以四字密碼作為範例，可以將其拆成前後兩組兩位數字的組成，將出現頻率描繪在一個 100 x 100 的矩陣中。

100 x 100 的矩陣

越偏白黃的顏色就是頻率越高的組合，偏紅黑色即是頻率低的組合。

透過矩陣的視覺化，我們其實能夠直接得到前面的圖表中呈現的資訊；換句話說，矩陣視覺化在同樣的篇幅中，提供了更豐富的資訊。以上面提到的「19XX」模式為例：

可以看到有一排很亮的直線，它代表了「19」開頭的這一排

可以看到有一排很亮的直線，它代表了「19」開頭的這一排，可以跟前面的「19XX」分布圖做個對照，他們其實是說同一件事：可以看成是上圖的高度改成用顏色取代，變成了下圖的一條直線。

比較「19XX」分布圖

除了「19XX」開頭，其實只要是「1XXX」都是相對亮的區域；從矩陣視覺化可以很明顯看出界線；不需要另外繪製一張下圖這樣的相對頻率分佈就可以清楚的指出來。

只要是「1XXX」都是相對亮的區域

將矩陣做灰階處理後，也可以很輕鬆地找出「亮點」，把常見的數字組合標記出來。

相對頻率分佈

花了不少的篇幅也介紹了幾樣工具，不知道大家有沒有什麼收穫呢？如果對於最後提到的矩陣視覺化有興趣的朋友，在這邊也推薦中央研究院統計科學研究所的陳君厚研究員於 2014 資料科學愛好者年會分享的《Collaboration with Statistician? 矩陣視覺化於探索式資料分析》，學習愉快！

Collaboration with Statistician? 矩陣視覺化於探索式資料分析 from 台灣資料科學愛好者年會

延伸閱讀：
PIN Analysis by Data Genetics
什麼是信用卡 PIN 碼？
Collaboration with Statistician? 矩陣視覺化於探索式資料分析

七年、三階段，國泰金融集團將雲端內化為營運流程與創新引擎

為什麼國泰可以領先市場完成雲端轉型、數據與 AI 賦能業務？

顏勝豪認為，雲端轉型的起點不是直接遷移系統，而是從四個面向打底：應用系統盤點評估、雲端架構設計、雲端遷移藍圖規劃，以及組織治理框架建立，而這也是 Cloud Ready 階段最重要的事情。
「不同子公司有不同商業模式與節奏，若沒有共同語言與平台底座，上雲很容易各自為政。」顏勝豪表示，為讓所有員工可以齊步前行，國泰以雲端遷移方法論 Cathay 6R（註1）作為共同語言、用平台作為共同底座，讓轉型不只是技術選擇，而是集團行動。
完成單一系統的雲端遷移後，便進入 Cloud Adoption 階段。在這個階段中，要透過大規模遷移建立更成熟的上雲標準作業流程（SOP），透過 FinOps 機制控管與優化雲端營運成本，以及透過自動化與治理模型確認多雲環境與安全與維運穩定性，目標是將雲端內化為組織日常運營的一部分，進而邁向 Cloud First 階段：在合規前提下，新專案與系統升級預設在雲端環境開發，並善用雲原生優勢加速新產品功能開發速度。
「集團雲端策略只有一個核心原則：讓雲成為 AI 時代的成長引擎，而不是單純的基礎設施。」關於國泰的未來雲端布局，顏勝豪如是總結。

以雲端為 AI 資源引擎、發揮數據燃料價值，實現 AI 賦能業務應用

國泰不僅在2025年完成集團百套系統上雲，也啟動數據上雲計畫並為 GenAI 奠定基礎建設。
例如國泰金控實現數據上雲，打造資料湖倉與 GAIA 生態系統架構為 AI 賦能業務做準備：成立國泰風險聯防中心（CRC）攜手集團洗防人員強化風險控管與金融犯罪因應能力；釋出國泰員工 AI 助手–Agia–Beta
版，提供差勤、福利與權益、技術支援、職務職能與集團其他資訊等五大類別管理辦法等查詢服務；此外，亦推出集團數據共享平台、集團法規知識庫、 AI 評測中心等服務，更好發揮 Cloud First 與 AI 賦能業務應用的價值。
雲端是 AI 時代的關鍵底座、數據則是 AI 的燃料。顏勝豪指出，發展AI需要龐大的 GPU 算力，若自建 GPU 機房，不僅硬體設備昂貴、折舊速度快，光是散熱系統一年就高達兩、三千萬元的成本，若採取雲端資源，可以隨啟隨用，同時，大幅降低試錯成本。「當雲端打好基礎、AI成為能力模組，銀行、人壽、產險與證券的創新不再是單點突破，而是放大集團級綜效。」

國泰以 Cloud First + AI 持續領先市場、形塑未來樣貌

「雲端可以優化算力成本，資料則決定 AI 應用上限。」顏勝豪解釋，在 AI 新世代，AI 模型定調能力「下限」，集團子公司掌握的「獨特資料」則決定應用的「上限」，考量雲端有許多好用 AI 服務，唯有資料上雲才能發揮數據價值、用 AI 賦能集團各子公司業務。
例如國泰世華銀行將採取多公有雲策略，打造雲端智慧生態圈，並以現代化雲原生技術拓展應用場景；同時，運用 AI 與資料分析優化客戶服務體驗，並藉由跨雲整合機制支援多元業務模式，以充分發揮上雲效益。至於國泰產險，不僅在兩年半內完成13套核心系統上雲、優化營運流程，如以 Serverless 架構打造百萬級效果、萬元成本的短網址系統等，讓雲端成為產險驅動長期成長的核心引擎與標準配備。

國泰人壽則是透過雲端與 AI 滿足不同客戶需求，如以 AI Search 精準呈現關鍵字搜尋結果，讓客戶可以精準且快速的查找所需資料、大幅優化官網體驗與滿意度。至於國泰證券則是於2026年初推出「庫存管家」服務，以客戶持股為核心，應用 AI 技術打造個人化推播服務，協助投資人更有效率地掌握庫存狀況，提供更即時、系統化的投資管理體驗。
總的來說，國泰金控在集團的雲端轉型不僅是技術升級，更是思維革新，從百套系統上雲進展到 Cloud First 階段，可以預期在雲地基礎下，國泰將進一步引領 AI 時代變革，持續提升營運韌性與放大創新價值。

註1：Cathay 6R 國泰設計 Cathay 6R 雲端遷移方法論，將系統遷移方式依據上雲模式、系統開發成本分為 Rehost 、Replatform、Refactor、Rewrite、Replace 和 Retain 共6種遷移架構，並能對應到 IaaS、PaaS、SaaS 三種不同上雲模式。

淺談探索式資料分析 -- 從一個資安小故事談起