系列： AI × 試算表｜第 01 篇
主查詢： 什麼是數據思維？如何用資料找出營收下降的真正原因？
目標讀者： 不具程式背景的行政、營運、行銷與管理者
資訊增益： SnackFlow 連續虛構案例、六句提示法、漸進式工具選擇與人工驗收方法。
數據思維是先把直覺轉成可驗證問題，再透過事實、量化、變異觀察、反覆測試與證據修正判斷，找出真正值得處理的原因。數據思維不要求高深數學，重點是問對問題並用資料檢查假設。
教學資料聲明： 本文中的 SnackFlow、人物、訂單與成效數字均為虛構教學素材，不代表真實企業導入成果。實作時請以假資料或經組織核准的資料測試。
什麼是數據思維？如何用資料找出營收下降的真正原因？
直接答案： 數據思維是先把直覺轉成可驗證問題，再透過事實、量化、變異觀察、反覆測試與證據修正判斷，找出真正值得處理的原因。
數據思維是先把直覺轉成可驗證問題，再透過事實、量化、變異觀察、反覆測試與證據修正判斷，找出真正值得處理的原因。數據思維不要求高深數學，重點是問對問題並用資料檢查假設。
本篇會完成一個可驗收的工作成果，而不是只介紹觀念。讀者將依序理解故事情境、用途、適用狀況、操作步驟、完整 Prompt、驗收方法、常見錯誤與 FAQ。
SnackFlow 遇到了什麼工作問題？
直接答案： SnackFlow 本季營收下降，老闆直覺認為「最近零食賣不動」，準備全站打折。
SnackFlow 本季營收下降，老闆直覺認為「最近零食賣不動」，準備全站打折。營運團隊沒有直接接受這個答案，而是檢查商品曝光、加入購物車、付款完成率、退款原因與通路差異。模擬資料顯示，曝光與加購沒有明顯下降，異常集中在加入購物車後的付款完成率。
這個故事的關鍵不是「使用 AI 就會得到答案」，而是先把工作問題、資料欄位、規則與驗收條件說清楚，再讓工具協助處理可重複、可檢查的部分。
這項做法有哪些用途與效益？
直接答案： 數據思維適合用在營收變動、客訴增加、交期延誤、成本上升與活動成效不佳等問題，數據思維的效益不是「產生更多圖表」，而是避免把預算投入錯誤原因。
數據思維適合用在營收變動、客訴增加、交期延誤、成本上升與活動成效不佳等問題。數據思維的效益不是「產生更多圖表」，而是避免把預算投入錯誤原因，例如問題在結帳流程時卻先增加廣告或全站降價。
| 面向 | 實際效益 |
|---|---|
| 工作流程 | 把零散步驟整理成可重複執行的流程 |
| 溝通 | 讓需求、欄位、規則與輸出可以被同事核對 |
| 品質 | 在交付前用明確條件驗收，不以「有產出」當作正確 |
| 維護 | 日後欄位或規則改變時，知道要修改哪個環節 |
哪些狀況適合，哪些狀況不適合？
直接答案： 適合已有基本紀錄、能把問題拆成指標且結果可由人員複核的情境。不適合資料完全不存在、指標定義互相衝突，或把相關性直接當成因果關係的高風險決策。
適合已有基本紀錄、能把問題拆成指標且結果可由人員複核的情境。不適合資料完全不存在、指標定義互相衝突，或把相關性直接當成因果關係的高風險決策。
若資料涉及個資、財務、法遵、交易或未公開商業資訊，先遵守組織資料政策。只需要提供資料結構時，應使用欄位名稱與三筆虛構資料，不要直接貼入敏感原始資料。
完整操作教學怎麼做？
直接答案： 完整操作從確認工具與資料結構開始，再依序設定規則、產出結果、測試例外並人工驗收。每一步都要保留可核對的輸入與輸出。
步驟 1：建立測試副本與成功條件
先複製原始檔，或建立只含欄位標題與三筆假資料的測試表。寫下「完成後應看到什麼」，例如公式回傳數字、試算表新增一列、雲端硬碟出現指定檔案，或 Dashboard 顯示可回扣的 KPI。
步驟 2：確認資料欄位與型態
逐欄核對工作表名稱、欄位標題、日期、文字、數字與唯一鍵。不要只依投影片中的欄位字母，因為實際檔案插入或刪除欄位後，位置可能不同。
步驟 3：依序完成核心工作
- 把「賣不動」改寫成可衡量的問題。
- 確認期間、通路、商品與比較基準。
- 列出可能原因，例如曝光、價格、付款、到貨與商品資訊。
- 為每個假設指定能驗證的欄位。
- 比較趨勢、通路與轉換漏斗。
- 提出最小改善方案，設定追蹤指標。
步驟 4：貼入完整 Prompt 並補上自己的資料位置
先把下方 Prompt 中的工作表名稱、欄位、網址、Spreadsheet ID、文件樣板、Email 或 MENU 替換成自己的測試資料。若需求涉及 Apps Script，要求輸出完整的 Code.gs 與 Index.html，不能只拿片段程式碼。
步驟 5：先小量執行，再擴大範圍
公式先用三至五筆資料測試；Apps Script 先用副本與自己的測試信箱執行；Web App 先送出一筆測試資料。確認結果正確後，再換成完整資料範圍。
步驟 6：依驗收清單核對與記錄例外
至少保留一個正常案例、一個邊界案例與一個錯誤案例。若結果不符，回頭檢查欄位名稱、資料型態、日期範圍、唯一鍵、權限與部署版本。
可直接複製的完整 Prompt
直接答案： 以下 Prompt 依投影片的六句提示法補齊目的、使用者、欄位、功能、規則與畫面或輸出。複製前必須替換自己的資料位置與測試條件。
~~~text
① 我要做什麼
我要分析 SnackFlow 最近三個月營收下降 30% 的原因，請先把「零食賣不動」改寫成可衡量、可驗證的商業問題，不要預設一定是價格或曝光造成。
② 給誰使用
給 SnackFlow 的營運主管與管理階層使用，目的是決定最值得優先改善的環節。
③ 有哪些欄位
資料可能包含日期、通路、商品名稱、品牌、商品分類、曝光數、加入購物車數、付款完成數、訂單金額、退款原因、到貨天數與植物性標示。若缺少必要欄位，請列出資料缺口，不要自行補數字。
④ 要哪些功能
請把分析拆成流量、加入購物車率、付款完成率、平均客單價、退款與通路差異；為每個可能原因提出可驗證假設、必要計算、建議圖表與判斷方式。
⑤ 有哪些規則
比較期間必須一致；區分百分比與百分點；不得把相關性直接解釋成因果。最後只保留一個最值得優先處理的問題，並提出三項可執行行動與後續追蹤指標。
⑥ 輸出格式
依「問題定義、需要資料、分析步驟、主要洞察、限制、行動建議、驗收方法」七個區塊輸出，使用台灣繁體中文。
~~~
如何使用這份 Prompt？
- 保留六個區塊，不要只複製第一句。
- 把範例中的工作表、欄位字母、網址、ID、Email 與日期換成測試資料。
- 要求先說明假設，再輸出公式或完整程式碼。
- 執行前檢查是否會寄信、分享檔案、覆寫資料或建立公開網址。
- 把錯誤訊息與預期結果一起回填，要求只修正受影響部分。
如何驗收結果？
直接答案： 驗收不能只確認公式沒有錯誤或程式成功執行，還要核對資料範圍、計算規則、例外案例、輸出內容與必要權限。
- 營收、訂單與轉換率的定義一致。
- 比較期間包含相同天數與相近活動條件。
- 至少檢查一項能推翻原先假設的證據。
- 結論能對應到具體行動與後續追蹤。
建議再做三層核對：第一層用兩至三筆資料手算；第二層比較來源總筆數與輸出總筆數；第三層測試空白、重複、未對應、期間外或權限不足等例外。
常見錯誤與限制有哪些？
直接答案： 最常見問題是欄位與指標未定義清楚、直接相信產出，以及忽略資料型態、權限、部署版本與工具規模限制。
- 只看單月數字，忽略季節性與波動。
- 看到兩件事同時發生，就認定具有因果關係。
- 先決定答案，再挑支持答案的資料。
若工作涉及正式財務、法遵、薪資、交易、大量多人使用或高可用性要求，應加入正式審核、權限、測試、記錄與稽核機制，不能只依賴教學用試算表原型。
工具功能與來源依據
直接答案： 文章中的工具操作以官方文件或實際引用來源為準；產品介面、可用方案與配額可能變動，操作前應再次核對官方說明。
本文涉及的產品功能或操作範圍，以 iT 邦幫忙：資料分析流程的六大階段 為查核依據；功能、方案與介面可能更新，實作時仍應以官方頁面為準。
常見問題 FAQ
直接答案： 以下問答處理操作、驗證與工具選擇時常見的疑問；每個答案都可脫離前文單獨閱讀與套用。
數據思維一定要會統計嗎？
不一定。初步的數據思維可以從定義問題、量化差異、比較趨勢與檢查反例開始；需要預測或因果推論時，才需要更進階方法。
營收下降應該先看哪個指標？
先把營收拆成流量、轉換率與客單價，再依通路、商品與期間比較，通常比直接看總營收更容易定位問題。
資料不完整還能分析嗎？
可以先標示缺口並縮小結論範圍，但不能把缺失資料當成沒有發生。重要決策前應補足關鍵欄位。
數據分析結果一定正確嗎？
不一定。分析結果受資料品質、指標定義與假設影響，因此必須保留限制說明並用後續行動驗證。
數據思維和資料分析有什麼差別？
數據思維是一種用證據做判斷的習慣；資料分析則是整理、計算與解讀資料的具體工作。
參考資料
直接答案： 參考資料只列出本文實際使用的投影片與公開來源；日期無法確認時標示日期不明，不自行推測發布時間。
- 資料分析流程的六大階段｜iT 邦幫忙｜發布日期：日期不明｜存取日期：2026-08-24
關於作者 {#author}
Claire Chang ｜ 企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。
最後更新：2026-08-25