---
title: "看報表的終極奧義就是不用看報表"
slug: on-need-make-report
url: https://tbr.digital/posts/on-need-make-report
published_at: 2023-11-09
modified_at: 2024-02-22
author: "樊松蒲 Dennis"
category: "行銷數據雜談"
access: public_access
---

# 看報表的終極奧義就是不用看報表

> 這個標題可能顛覆你的想法，但這件事是真的。

By **樊松蒲 Dennis** - 數位簡報室 創辦人、AI 企業內訓講師 | 2023-11-09

這個標題可能顛覆你的想法，但這件事是真的。 你平常可能做了很多數據報表，拉了一堆 Excel，更厲害一點的會使用 Power BI、Tableau、Looker Studio 這些工具來拉出美美的視覺化儀表板，用了一大堆數學統計公式，裡面充斥著數百個數據指標、趨勢圖、圓餅圖等等，有著琳瑯滿目的商業洞見、與分析報告。 這些都沒有問題，但我們可以重新思考一下「人」為什麼要看報表？看報表的目的是為了要發現問題嗎？ 如果看報表可以發現問題，那是不是就代表有規則可循？只要找到了規則，就能夠把規則寫進報表中，讓報表自己告訴你「出問題了、初四了」，而不是你每天主動打開報表去找到它，所以建構一個數據示警的機制很重要，他能夠在你不開報表的情況下，就得知問題發生了以及影響程度如何，畢竟電腦看報表肯定比人類快。 舉個例子，如果你經營電商網站，「加入購物車率」這個數字的過去平均值是15%，那麼就可以將 13% 設定為數據示警的基準點，一但指標低於 13% ，就對你的 Email 或 Line 發出通報： 「警告！加入購物車率低於13%警戒線！」的訊息，而無需打開報表。 我在我實際的數據分析工作中，就同時設定了超過70種指標的示警機制，範圍涵蓋了廣告、轉換率、網站瀏覽品質、在線人數、會員回購率、社群互動率、購物車放棄率等等非常多，這些都有助於我能夠更有效地掌握現況。 但你認爲這樣就夠了嗎？我們再把事情做得更透徹一點。 既然能夠用示警機制讓我知道什麼指標發生了問題，那麼只要事前歸納好每個指標的可能異常原因，在發生問題時，示警機制就可以直接傳送給負責該指標的人處理，甚至不需經過我，例如： 「警告！商品 AA001 的加入購物車率低於 14% 警戒線！」發送給負責該商品頁文案的 商品企劃 S01 如果該指標連續兩天都低於警戒線，那麼我們才去關注負責該指標的人是否已經處理了或是有其他可能的原因。如果將上述這一系列的架構設計完善，可以讓你的工作非常高度自動化，甚至完全不需看報表，只需要處理緊急事件即可。 如果你的公司想導入這個方法，請聯繫我，我們將協助你架構這些報表。 可是有沒有發現一個重點，在上述的專業領域裡應該都有相對應的人員會針對數據/指標有敏感度並且知道如何調整，像是商品部會增加活動促進銷量、數位媒體會專攻廣告指標比例精準調整投放渠道等，那數據分析師又扮演什麼樣的角色呢？ 重點是「分析並解決異常事件發生的歸因」跟「預測」。 異常事件發生通常伴隨著很多的變素，以我們公司之前來說，某幾天轉換率特別低，既不是廣告沒有成效；更不是產品或行銷活動異常，最終抽絲剝繭分析後結果竟然是：iOS調整系統造成無法獲取瀏覽資料。 另外數據分析是結果，而結果只能觸發已知策略，或是避免再因為一樣的歸因條件底下的風險，但如何能讓事情在沒有發生前就可以預測到並能精準推進策略，裁示數據分析最重要而且主軸的價值。