沒有數據團隊，看個數字都得同仁兼著拉

前幾天朋友問我：他想做消費分析，手上有 VIP 名單跟銷售資料，想看消費的年齡層、北中南的購買差異、整季賣得怎樣，哪些賣得好、該追加。

數據很重要，這件事大家都知道。但小團隊不像大公司，沒有專門的數據團隊，看數據這件事都是同仁兼著做：行銷要拉數據、營運要填 Excel，每個月都得在好幾個後台輪轉，匯出、貼表、對數字，做一份報表半天就過去了。下個月，同樣的事再來一次。

好在現在有了 AI，小團隊也能自己建立自動化流程。重點是：不要停在「單次分析」，把它轉化成固定的流程（process）。單次分析是叫 AI 幫你分析一次，它給你一份漂亮的報告，然後呢？下個月資料更新，一切重來。固定的流程是把「資料怎麼進來、報告怎麼產出」整條路架好：之後每個月資料進去、報告出來，不用重來、不用重教。分析做一次，只是解一時的癢；建立 routine，人力才真的被解放。

建好之後：報告自己送上門，你只管每月上傳

把這條流程架起來，你會得到三個成果。

成果一：報告自己送上門，信箱收或網站看

最輕量的是報告直接寄到信箱：每週或每個月到了固定時間，報告寄進來，內容就在信件裡呈現。我自己的 Threads 週報就是這樣，每週一早上，過去七天的數據分析自動寄給我，我什麼都不用做。

再進一步，可以建立一個專屬網站，用 AI 快速就能上線。打開第一頁是分析總覽，所有重要指標一次呈現；想細看哪一塊，再點進去。

成果二：想看圖表有圖表，想看報表有報表

同一份數據，可以做成視覺化的 dashboard：指標旁邊有紅綠箭頭標出跟上期比是升是降、趨勢用折線圖畫出來、原因跟品類直接排行。好處是可以快速看到重點，而且圖像化的方式更讓人容易理解。

不過 dashboard 給的是概覽。如果要做更細的決策，光看概覽可能不夠，還是需要詳細的報表：各平台的比較、每一款商品的數字、原因的細項拆解。要追根究柢的時候，也可以建立符合自己需求的詳細報表。

成果三：你每個月只要上傳資料，剩下讓 AI 做

流程建好之後，你每個月要做的就只剩一件事：把原始資料上傳到固定的地方，剩下的爬取、分析、產出，全部讓 AI 去做。

以我幫合作夥伴做的退貨分析為例，品牌的營運同仁每個月從各平台後台匯出檔案，照固定檔名放進固定的地方，系統就自己接手：先檢查資料有沒有問題（混到別的月份會直接擋下、金額異常會先鎖住請你確認），然後算好所有指標、更新整面儀表板。沒有工程師待命，也沒有買 BI 工具。對同仁來說：以前每個月要開好幾個後台拉數字拼報表，現在只有兩個動作下載、上傳，就可以直接看到分析結果。

難的不是分析，是把資料和規格先講清楚

建立這條流程的時候，你會需要跟 AI 來回溝通，把手上有什麼資料、想看什麼、報表長什麼樣子講清楚。我建立的順序是這樣：

步驟一：盤點需求和資料，找出交集

先講你想知道什麼：這個月哪些品項沒動銷？VIP 到底佔營收幾成？北中南哪一區在掉？把想看的問題先列出來。

接著把手上的檔案（會員或 VIP 名單、銷貨資料、庫存資料）直接丟給 AI，跟它討論一輪。盤點本身就是 AI 的第一個分析工作：請它清點每份資料有哪些欄位、會員名單跟銷售報表之間有沒有共同的欄位（會員編號、電話、Email 其中一個就行），才能串起來做交叉分析，例如 VIP 佔營收幾成、哪些一般客的行為已經快接近 VIP 的門檻。也請它確認你想看的維度有沒有缺欄位，要看年齡就要有生日欄，要看北中南就要有地址欄。

盤完 AI 會直接告訴你：哪些分析現在就能做、哪些要先補資料。你想看的，和你手上有的，中間那塊交集就是第一版該做的範圍。 動手前先知道，別分析到一半才卡住。

步驟二：確認指標與報表規格

知道能做什麼之後，才輪到定義「要看什麼」。這一步有兩件事，缺一不可。

第一件，每個數字的算法先講好。 退貨金額要回算到購買月份，還是記在申請退貨的月份？我們幫客戶做的系統有一份指標說明書，每個數字怎麼算都白紙黑字寫死，誰來看都是同一個答案。這一步最不起眼，但它決定了數據的品質一致性。

第二件，報表規格用兩張表講清楚。

第一張是「總覽重點指標」：你最想第一眼看到的那幾個數字，例如：

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」：每一張報表長什麼樣子，把格式定死，例如：

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，你也不用來回改十次。

步驟三：確認資料來源與匯入方式

指標和報表定好了，才知道要餵什麼資料進來，以及它該怎麼進來。這裡只有兩條路。

一是 API 自動串接：資料自己流進來，連上傳這個動作都省了。前提是來源平台有開放 API。

二是定期手動匯入：很多時候我們用的數據來源平台就是沒辦法自動串接，那就退回最樸素、但人人都做得到的方式，每個月固定時間把檔案上傳到固定的地方。

走第二條路的話，有幾個規矩要先立好：固定資料夾與檔案路徑、固定檔名（平台加年月）、固定交檔日、舊檔不覆蓋。

這些規矩就是自動化的開關：檔案永遠在固定的地方、叫固定的名字，AI 才能自己去抓、自己開工，整條流程不用人提醒就自己跑。對使用者來說，上傳完，你的工作就結束了。

步驟四：從一份定期報告開始，再長成網站

不用一開始就蓋整個網站，先讓 AI 每期讀資料夾，產一份固定格式的報告寄給你，跑順了、確認報告真的有人看，真的影響了補貨或行銷的決定，再往網站升級。要升級的時候，前面盤好的資料、講好的算法，都可以直接沿用，不用重來。

人力釋放之後

這條流程建好之後，你每週要做的事，只剩下定期上傳資料，然後看報告。不用再把時間浪費在收集資料和產報表上，這些 dirty work AI 都幫你做好了。

最重要的事，是去看出這些數字背後的 insight：用你的產業知識（Domain Knowledge）去解讀，判斷該補什麼貨、該推什麼活動、該顧哪群客人。因為這個是 AI 做不到的，只有你做得到。

小團隊可以沒有數據團隊，但不能沒有數據的 routine。而現在，建立這條 routine 需要的，只是你和 AI，加上每個月記得上傳的那幾分鐘。