難的從來不是畫圖

儀表板現在很好做。你把資料丟給 AI，說「幫我做一個」，七、八分像的東西馬上就出來了，配色都不會太醜。

所以難的不是那一步。難的是：這些數字要回答你什麼問題、什麼情況才算「有問題」，還有你看完之後要做什麼決定。這集我開了三個自己在用的儀表板，講的其實都是同一件事。

這一集我想講儀表板。

在 AI 的時代，把一堆數字和資料整合起來，變得相對簡單很多。但也就是因為變簡單了，「你到底要做出怎樣的儀表板、要看什麼東西」才變成最關鍵的那一題。

先講前一天那場：台南第一次實體小聚

這件事本來跟儀表板無關，但講完你會發現是同一件事。

前一天（8/19）我在台南辦了第一場實體小聚。一開始只是我在 Threads 上問一句「有沒有台南人想一起交流」，因為我自己一直對著電腦玩 AI，還是想跟真實的人講講話。

那天下班還在下雨，我一度擔心沒人來。結果人陸陸續續進場，最後超過五十幾、六十幾個人。場地是台南好想工作室免費贊助的，在友愛市場二樓。

那天上台分享的有四個人：

小林，藍圖數位教育的創辦人，把教育跟 AI 結合、做成遊戲化的題庫。我當場問他：如果沒有 AI，這件事你要做多久？他直接回我：沒有 AI 的話，他可能根本不會去做這件事。理念一直在那裡，卡住的是時間和成本。

小白，房地產創業家，做了一個房屋估價網，還有一張台南學區地圖，開定位就能看你附近有哪些國小、國中。現場有人問他很技術的問題，才發現他用 Claude 其實只玩了兩個月。他不是先學會技術再想做什麼，是從自己的痛點逆向工程回去問 AI「我可以怎麼做」。

Leah，銀行的數位金融 PM，同時經營自媒體教英文。她的痛點是 Meta 後台像個迷宮，投廣告要看的東西眼花撩亂。她把各平台的指標全部收進一個儀表板，接成一條完整的行銷漏斗。她說她做了兩個月，真正撞到的牆只有一個是技術面，其他都是「我自己到底想看什麼」。這句話等一下還會再出現。

阿邦，香港來的資深策展人，也做影音、也玩樂團。他放了一支縣市形象影片，畫面裡的天空很漂亮，然後他才告訴我們，那天其實在下雨，場地前面停滿車，海也沒那麼藍，很多是 AI 合成的。

現場有人問了大家最關心的那題：AI 之下，錢有沒有省？人有沒有被砍？

他的回答是：這行以前一天到晚熬夜趕標案，有 AI 之後他可以不用再熬夜了，光這件事對他就已經很感恩。至於人，沒有省，但每個人的層次往上升了：本來自己畫插畫的，現在變成插畫、動畫的「主管」，要懂得怎麼指揮、管理、判斷。人沒有被砍，人的價值搬到更重要的地方去了。

這四個人的共同點很一致：他們都很清楚自己要什麼，不會的部分讓 AI 補；判斷和時間，留在自己手上。

回到儀表板：先看一個原物料成本盤

什麼是儀表板？我直接開一個給你看比較快。

這是我做過的一個原物料庫，裡面有肉類、海鮮、蛋類，也接著店鋪的產品配方和即時成本。你只要把資料的源頭建好，就能列印報表、能回溯，也能看近 30 天的價格波動：像阿拉比卡咖啡豆現在是漲還是跌、漲幅排名是誰。

我第一次做出來的時候，感覺分成三個層面。

第一層：它真的很方便

我想看的資訊全部在同一個地方，圖表化之後清清楚楚，而且我人在哪裡都沒關係，開一個網址就能看。

這一層 AI 幫你做得很好。你甚至把一份公開的資料丟給它，說「幫我做一個」，我跟你講每個人都做得到七、八分像，色系、版面基本上都還不錯。

第二層：它背後是資料，所以不能偷懶

儀表板背後是什麼？是資料。

先不管這些資料放在雲端還是本機，光是資料本身有沒有清洗過、有沒有定義清楚，就必須非常明確。你沒有完整的資料，就算儀表板很漂亮，上面的數字也可能是錯的。

所以不要覺得「AI 時代了，資料來源就可以偷懶」。沒有這回事。

很多東西還是得靠人去判斷。

第三層：你到底想看到什麼（這層 AI 幫不了你）

這是我今晚最想討論的一層。

還記得剛剛講 Leah 撞到的那道牆嗎？這些數字漂漂亮亮，但它對我的獲客、對我的流量，到底有什麼意義？

AI 可以幫你抓出很多數字。但這些數字背後代表什麼、怎麼讓你有足夠的資訊去做下一步，這件事會回到人身上。這裡一樣沒辦法偷懶：你得想清楚，你看到這個數字，它今天是好還是不好，然後呢？

舉個具體的：我今天知道阿拉比卡咖啡豆漲了。然後呢？我要跟誰比？我要幹嘛？

或者，我看了那麼多店家的資料，它的營收上漲，難道它的健康就是好的嗎？

不一定喔。所以「資料有沒有被拿來對比」，我覺得比畫得漂不漂亮更重要。

實際做一次：四張各說各話的表，怎麼接起來

今年上半年我幫企業做內訓的時候做了一個案例。手上是一份 Google Sheet，裡面散著幾種不同的東西：月底要看的、歷史日報（有些異常會被標示）、客訴紀錄、訂貨額。

這幾張表唯一的共同點只有店名。

那就夠了。我用店名當識別，其他東西全部可以整合進來。整合完，才請 AI 幫我產出一個看得舒服的儀表板。

它可以直接告訴我 4 月的總營收多少、總客數多少、平均食材率多少、最高最低是誰，甚至哪幾家是需要關注的分店。

但這裡有個關鍵：「需要關注」的條件，是我下給它的。

健康評級不是 AI 發現的宇宙真理，也不是唯一的算法。是人先定義了什麼叫有問題（異常幾次、客訴幾件、嚴重的要不要加重），AI 才照著算。這一段千萬不要跳過。

你也可以請 AI 順便寫一段摘要，讓你更快進入狀況。但看完記得一件事：要做事的是你，要負責任的也是你。所以還是要好好讀，AI 說的不會永遠都對。

再加一句話：叫它每天早上 7 點自己去抓

內部資料進來了，外部的可不可以？可以。

我那時候是用 Claude 的桌面版（Codex 的桌面版也行），跟它說：某個資料夾裡有什麼什麼，你幫我整理成網頁版，風格我要冷一點的。做出來覺得不錯，我就接著說：幫我部署，給我一個公開網址。那次我讓它自己去做部署的動作。

然後我再加一句：幫我加一個爬蟲。

爬蟲就是去爬一些公開的資料。我讓它每天去抓政府開放資料平台、產業投資的最新資料，或某些關鍵字的新聞標題，存下來，整合進儀表板的第二個區塊，也就是你在上面那張圖看到的「業界動態」。

爬蟲設定每天早上 7 點自動跑。所以假設我 8 點上班，我每天 8 點開那一頁，昨天的業績狀況和目前的業界動態就擺在一起，我可以直接想今天要做什麼。

補一句：因為我做過很多這種事，所以我很清楚有些東西是不能爬的。不確定的話，也可以先跟 AI 討論一下。

第三個儀表板：我每天在看的投資紀錄

除了成本和業績，還可以做什麼？

我自己每天在看的是一個投資理財儀表板，純內部使用。它每天固定時間更新，上面有我每天必看的數字，還有我自己選的美股、台股清單，想加什麼就加什麼。

後來我看到 Anthropic 釋出了一包給金融分析師用的 Skill，就請 AI 幫我看一下、挑出適合加進來的，再讓它去優化。那個 Skill 的 prompt 基本上就是把底層設定成一位專業的金融分析師，所以它可以把數字翻成白話解讀，順便幫我抓近期的新聞動態。

（這裡先講清楚：我做的是紀錄和風險提示，不是投資建議，也不是叫誰買什麼。）

結論：AI 負責搬運，你負責判斷

所以難的從來不是去畫圖，而是你把散在各處的東西接起來、整合完之後，你到底要看什麼、你訂了什麼樣的規則。

分工其實很清楚：

這件事以前人做不做得到？做得到。只是要花很多人力和時間，可能要靠好幾個 Excel、好幾張樞紐分析表才湊得出來。現在 AI 剛好非常擅長這種大量又複雜的整合，那就讓它做它擅長的事。

如果你是新手，我很歡迎你從任何一個開始：自己的投資紀錄、店裡的成本盤點、業績報表都可以。這類儀表板上網找一下，都很好模仿。

但那些讓你看得漂漂亮亮的東西背後，數字的解讀才是真正重要的那一層。

所以下次別急著問 AI 能畫什麼圖。先問自己：看完這些資料，我要做什麼決定？