沒有數據團隊，一次月復盤就要花好幾天
小團隊沒有專門的數據團隊，每個月的數據復盤都是同仁兼著做。我合作的品牌也是，同仁每個月要從官網、蝦皮、Momo 三個後台匯出銷售和退貨資料，貼進試算表，再一個一個把退貨率算出來，整理退貨原因。做一次要好幾天，每天投入好幾個小時。下個月，同樣的事再來一次。
資料集中，邏輯定義好之後，第一次跑完整月復盤只花兩三小時
我幫這個品牌把資料集中到一個數據平台，再把每個數字怎麼算定義清楚。之後第一次跑完整的月復盤，我只花了兩三個小時，而且是斷斷續續做的，因為報告格式也是那次才定下來。下次跑同樣格式，邏輯架構在第一次都定好了，預計幾分鐘就能跑完。
| 以前 | 現在 | |
|---|---|---|
| 收資料 | 三個後台各自匯出 | 官網資料自動進數據平台；蝦皮、Momo 每月上傳檔案 |
| 算數字 | 在試算表裡一個一個算 | 銷售總覽、退貨分析總覽在數據平台上自動算好；細的月復盤報告由 AI 照固定格式產出 |
| 對數字 | 人工核對 | 上傳時數據平台先檢查，混到別的月份或金額對不上，會直接擋下 |
| 串商品 | 靠商品名稱，改名就斷 | 用商品編碼串，改名不影響 |
這套東西還在往下做。總覽已經在數據平台上自動跑，比較細的月復盤報告還沒搬上去，目前是我讓 AI 照格式產在 Notion 交給同仁。光是這樣，速度已經比以前快很多。
月復盤怎麼少花時間：先打三步地基，再選一種方式產出報告
月復盤會花好幾天，是因為每個月都在重來：重新匯出，重新對數字，重新排報表。丟一份檔案給 AI，拿到一份漂亮報告，下個月資料更新，一樣要重來。要把時間降下來，得先把資料怎麼進來，數字怎麼算，報表長什麼樣講清楚，之後每個月照同一套跑。前三步是地基，第四步才選報告用什麼方式產出。
| 步驟 | 做什麼 | 誰做、用什麼 |
|---|---|---|
| 1. 盤點需求和資料 | 列出想知道的問題，把手上的檔案丟給 AI 清點欄位 | 主管和同仁，用 ChatGPT 或 Claude 都可以 |
| 2. 講好每個數字的算法 | 寫一份指標說明書 | 主管和同仁，跟 AI 一起討論 |
| 3. 定報表格式和交檔規矩 | 總覽重點指標、詳細報表格式，以及固定檔名和交檔日 | 主管和同仁 |
| 4. 選一種產出報告的方式 | 週報寄信、月度復盤報告，或數據平台 | 三種都用 AI 做，看你找內部同仁或外部協助 |
步驟一：盤點需求和資料，找出交集
先列出你想知道什麼：這個月哪些商品退得最多？退貨原因集中在哪幾個？哪個平台的退貨率在升高？把想看的問題寫下來。
接著把手上的檔案（銷售明細、退貨紀錄、會員名單）直接丟給 AI，請它清點每份檔案有哪些欄位，以及檔案之間有沒有共同的欄位可以串起來，例如訂單編號、會員編號、商品編碼其中一個。也請它確認你想看的維度有沒有缺欄位：要看尺碼就要有尺碼欄，要看北中南就要有地址欄。
- 為什麼：動手前先知道能做什麼，才不會分析到一半發現缺資料，又要回頭補資料重做。
- 怎麼算過關：AI 告訴你哪些分析現在就能做，哪些要先補欄位。你想看的和手上有的，中間那塊交集就是第一版的範圍。
步驟二：講好每個數字的算法
知道能做什麼之後，每個數字怎麼算要先講好，寫成一份指標說明書。我幫品牌定的時候，碰到的都是這種問題：
- 退貨算在哪個月：5/30 買，6/5 申請退貨，這筆算 5 月還是 6 月？我定的是算回購買月，因為退貨率要拿同一批銷售來比。所以「本月退貨數」的意思是「本月買的商品，到目前為止退了多少」。
- 客人沒取貨算不算退貨：客人沒去超商取貨，商品被退回來。它算進整體退貨率，但不算進商品改善的分析，因為問題不在商品本身。
這些規則沒寫下來，同一個數字每個人算出來都不一樣，AI 每次算的口徑也可能不同。
- 為什麼：算法沒講好，每個月都要花時間重新對數字。講好之後，報告的數字才能信，下個月算出來的也才能跟這個月比。
- 怎麼算過關：不管誰來看，哪個月跑，同一個數字都得到同一個答案。
步驟三：定報表格式和交檔規矩
報表格式用兩張表講清楚。第一張是「總覽重點指標」，你最想第一眼看到的幾個數字：
| 指標 | 為什麼看它 |
|---|---|
| 本月營收（跟上月比） | 整體有沒有成長 |
| 退貨率 | 商品體質有沒有變差 |
| Top 5 熱賣商品 | 該追加什麼貨 |
| VIP 佔營收比例 | 老客戶有沒有顧好 |
第二張是「詳細報表」，把每一張報表的格式定死：
| 項目 | 範例 |
|---|---|
| 報表名稱 | 月銷售總表 |
| 縱軸 | 商品品項 |
| 橫軸 | 月份（近六個月） |
| 數值 | 銷售金額、數量 |
| 可篩選 | 平台、地區、會員等級（VIP／一般） |
| 預設畫面 | 本月、全平台、金額由高到低 |
總覽決定你第一眼看到什麼，詳細報表決定你點進去看到什麼。把這兩張表直接貼給 AI，它不用猜你要什麼。
交檔規矩也在這一步定。來源平台能自動串接就串，品牌的官網資料就是自動進數據平台。不能串的就固定上傳，蝦皮和 Momo 是同仁每月交 4 份檔，檔名保留平台和年月，舊檔不覆蓋。
- 為什麼：格式和檔案位置固定，AI 才能每次照同一套跑，你不用每個月重教一次，月復盤的時間就是從這裡省下來的。
- 怎麼算過關：第一次做出來的報告格式，下個月直接沿用，不用重新討論。
步驟四：選一種方式產出報告
地基打好之後，依你多久看一次，要看多細，選一種方式：
- 週報寄進信箱：適合每週要追，但不用看太細的數字。我自己的 Threads 週報就是這樣，每週一自動把過去七天的數據和判讀寄進信箱，怎麼做的寫在〈Threads 週報機器人〉。
- 月度復盤報告：適合要拆到品項、原因、尺碼的細節分析。我幫品牌做的月復盤，是讓 AI 讀整理好的資料，照步驟三定好的格式把報告寫進 Notion。
- 數據平台：適合主管和同仁隨時打開看大盤。資料上傳時自動檢查，銷售總覽和退貨分析總覽自動算好，打開先看到核心指標和平台比較，想細看再往下點。
不管哪一種，都是用 AI 做出來的，差別在由誰來做。可以是內部熟悉 AI 的同仁，也可以找外部協助，像我合作的品牌就是找我。
我會建議一開始不用先蓋整套數據平台。先從週報或月度報告開始，等報告真的有人看，也真的影響了改商品、補貨或行銷的決定，再往數據平台走。前面盤好的資料和講好的算法，到時候都能直接沿用。
前期最花時間的，是把分散的資料和舊 Excel 整理好
報告能跑得快，是因為前面花了很多時間把資料集中，把邏輯定義清楚。這段最累，動手前要先有心理準備：
- 資料很分散：官網、蝦皮、Momo 各一套後台，匯出來的欄位、日期和訂單狀態寫法都不一樣。像蝦皮有一種「不成立」的訂單，出貨過的是客人沒取貨，要算進銷售，沒出貨的才排除。每個平台都要先搞清楚哪些訂單算數。
- 過往的 Excel 舊資料：數據平台上線前的退貨，都記在一份共用的 Excel，退貨原因的名稱跟現在不一樣。要先把舊名稱一個一個對到現在的名稱，舊資料才能跟新資料放在一起比。
- 報表要一直迭代：第一版做出來，同仁看了才知道哪裡看不懂，哪個數字對不上，再回頭改算法和格式。每次產報表，也還是要花點時間整理。
一開始把架構定義好，後面就不用花多少時間
我覺得做數據分析，一開始就要把架構和分析邏輯定義好。前期確實要不斷迭代，但隨著持續迭代，到後面真的不用花多少時間。
小團隊可以沒有數據團隊，但不能沒有固定看數據的流程。