资料分析商业应用与策略管理 #笔记四

举个平时所接触到的巨量资料例子：金融领域应用，股市、汇市、债市... 有人向银行申请信用卡不过，就是因为银行的系统侦测到一个人可能有多张信用卡，此时再根据其他因素推断是否继续让此人多申办是合适的。金融科技以网路平台为基础，透过网路互联进行金融服务，以线上服务架构出金融科技云端服务平台，以社群以社群网路和搜寻引擎使用大数据应用支持金融业务服务，应用大数据的可以是网路银行，也可以企业或个人对於小额支付、外汇交易、存款贷款的挑选。

金融科技与大数据结合的优势，在於资讯多、资料全、搜集范围广、费用 / 帐目透明化、自动化以後得以节省时间人力物力、传统银行容易排除不易发觉的客户... 等，但同样有竞争加剧、资讯流通加速、资安问题的风险。我们来利用 Python 数据爬取的内建网路联通功能，试试看取得重要的金融资讯，打开 Jupyter 利用 http 通讯模式找到远方服务设备沟通 io 和 urllib.request，找到台湾证券交易所网址并贴进 url 里（记得加上 https），再加上外挂去把某一页放到 page 里，再读取到 mypage 的变数里，送过来会先看到网路完全没排版的原始码：

建议只要不是纯英文的网页，输出撷取资料时把内部字串加上编码对照：

假设资讯提供者直接提供重要资讯的文件档案，可以透过标准 java io 准备预计留下来的文件档案，告诉它我要存成 x.html，预计写入 (w)，标准编码是 utf-8，完成之後关闭档案。回到 Jupyter 资料夹，就发现抓回来的文字档被我们抓回来了。