AI 數據分析教學：數字升了40%，為什麼結果可能反而變好？

10月 23, 2026

原內容日期：2026-09-05。本文為既有教學內容補發；範例依原文標示使用，實際權限與規則請以所屬組織核定資料為準。

數字升了 40%，到底是好消息還是壞消息？

問題單從20件增加到28件，直覺會覺得系統變差了。但是，如果作業量同時從500次增加到1,000次，整體失敗率其實從4%降至2.8%。

件數確實增加，比率也確實下降。兩者沒有矛盾，只是在回答不同問題。

管理報表最常見的錯誤，不是公式算錯，而是選擇了不完整的數字說故事。

任何比率，都先找分母

成功率、轉換率、客訴率、缺陷率與完成率都需要分母。沒有分母，我們只知道發生幾件，不知道每一次機會發生的頻率。

AI 分析提示詞應強制要求件數與比率並列。缺少分母時，應明確寫出「目前不能判定頻率變化」，而不是用常識猜測。

百分比與百分點不是同一件事

失敗率從4%降至2.8%，絕對下降1.2個百分點；相對原本下降30%。

兩種寫法都正確，但帶來的感受不同。可靠的報告會同時呈現，並說明實際受影響件數，避免只挑最吸睛的說法。

比較基準決定你在回答什麼

比上週好，回答的是短期變化；比目標差，回答的是績效差距；落在過去12週正常區間內，回答的是是否異常。

同一個數字可以同時「比上週好、仍未達標、但沒有超出正常波動」。不要只留下對某個部門最有利的基準。

平均變好，不代表每個人都變好

平均處理時間下降，可能是簡單案件增加，也可能是極端長時間案件減少。

中位數可以描述典型案件，尾端值可以顯示最慢一成的風險。當平均、中位數與尾端方向不一致時，真正值得分析的往往就在這裡。

整體數字會掩蓋局部問題

整體失敗率下降，不代表每一類問題都改善。依產品、地區、時段、客戶類型或問題類別切分後，可能發現一個局部問題正在快速惡化。

分群不是切得越細越好。好的分群應該能對應負責角色與可採取行動。

先描述觀察，再提出假設

「KVM畫面擷取失敗由8件增至18件」是觀察；「可能與某個版本有關」是假設。

假設要附支持證據、反證、替代解釋與驗證方式。在完成比對前，不能把某個版本、團隊或供應商寫成根因。

一個變化是否值得處理，要看實務影響

統計上明顯，不一定有管理價值；件數很少，也不代表可以忽略。涉及人身安全、法規、重大客戶或品質時，一件也可能需要立即處理。

反過來，低影響的短期波動可能只需監控，不需要立刻發起大型改善專案。

讓報告最後有一個動詞

好的管理洞察最後會落在四種動作：立即處理、優先查證、持續監控、暫不行動。

每項行動要寫出負責角色、需要的證據、回報時間與完成條件。如此，報表才不只是解釋過去，而能推動下一步。

AI 可以快速重算差異、找出分群集中點、提出替代解釋並產生摘要；但資料定義、因果判斷與管理取捨仍需由人確認。真正有用的分析，不是把圖做得更漂亮，而是讓下一個決定更清楚。

逐步操作

第一步：先寫這份分析要支持哪個決定

不要只說「分析本週數據」。改成：

判斷本週問題單增加是否代表系統品質惡化，以及下週應優先調查哪一類問題。

決策問題會決定需要哪些指標、比較基準與分群。

第二步：建立指標小字典

每個指標至少寫明：

名稱
定義
分子
分母
計算期間
資料來源
是否排除取消、測試或重複紀錄
資料更新時間

「完成率」若沒有分母與排除規則，不同人可能算出不同答案。

第三步：確認資料範圍是否一致

比較前先問：

本期與基準期天數相同嗎？
是否包含相同部門、產品與使用者？
是否有假日、活動或停機等特殊事件？
指標定義或系統收集方式是否改變？
資料是否已完整入帳？

範圍不同時，不能直接把差異當成績效變化。

第四步：同時看件數與比率

至少並列：

工作量或機會數
成功／失敗件數
成功率／失敗率

件數回答「發生多少」，比率回答「每次機會發生的頻率」。兩者都重要。

第五步：分開絕對差與相對差

例如失敗率從 4% 降至 2.8%：

絕對差：下降 1.2 個百分點
相對差：相較原本下降 30%

不要把「下降 1.2%」混用來代表百分點，否則容易誤導。

第六步：選對比較基準

常見基準包括：

上一期
去年同期
預算或目標
上線前基準
過去 8～12 期正常區間
相近團隊或產品

不同基準回答不同問題。短期波動可與正常區間比；策略成果可與目標及上線前基準比。

第七步：先看趨勢，再解讀單點

單週突然上升可能是偶發事件。至少查看數期資料，確認：

持續上升或下降
季節性循環
一次性尖峰
資料缺口
上下波動但長期不變

AI 不應只用兩個數字宣布趨勢。

第八步：按真正可能驅動差異的維度切分

可依情境選擇：

部門／地區
產品／服務
客戶類型
新舊使用者
工作日／假日
日班／夜班
正常流程／例外流程
問題類型／嚴重度

不要為了看起來深入而切太多維度。優先切分能支持行動的項目。

第九步：檢查組合變化

整體平均變差，可能不是每一組都變差，而是高難度案件比例增加。

例如本週複雜案件占比上升，即使各類案件處理速度不變，整體平均仍可能變慢。這叫組合效應，不能直接歸咎於效率下降。

第十步：平均之外，至少再看中位數與尾端

若有足夠資料，可同時看：

平均數：整體資源負擔
中位數：典型案件表現
第 90 百分位或最慢一成：尾端風險
最大值：極端個案，但要避免讓單一案例代表全部

非技術使用者可以先請 AI 解釋每個數字在業務上代表什麼，再決定是否納入。

第十一步：把四種句子分開

觀察

資料直接顯示的內容。

本週失敗件數由 20 增至 28，工作量由 500 增至 1,000，失敗率由 4% 降至 2.8%。

假設

可能解釋，但尚未驗證。

KVM 擷取失敗增加，可能與某批設備版本或特定班別有關。

結論

目前證據能支持的判斷。

整體失敗頻率下降，但 KVM 類型問題惡化，值得優先調查。

行動

下一步要做什麼、由誰做、何時回報。

由維運人員比對 18 件 KVM 事件的設備版本與時段，週三前回報是否集中。

第十二步：主動尋找替代解釋

至少檢查：

工作量或案件組成改變
新政策或流程影響
人力、班表或訓練差異
系統版本、設備或供應商變化
資料漏記、重複或延遲
假日、促銷、停機與季節因素

這能降低 AI 將第一個合理故事寫成答案的風險。

第十三步：判斷變化是否值得行動

不要只看統計變化，也要看實務影響：

影響多少客戶、金額、時間或交付？
是否涉及安全、法規或重大客戶？
是一次性事件還是持續趨勢？
處理成本與不處理風險各是多少？
證據信心高、中還是低？

第十四步：把下一步分成四類

立即處理：影響重大且證據充分
優先查證：影響重大但原因未明
持續監控：變化不大或可能是短期波動
暫不行動：實務影響低，且調查成本較高

第十五步：輸出主管能採取行動的一頁摘要

建議順序：

一句話結論
三個最重要數字
變化集中在哪裡
已知限制與替代解釋
下一步、負責角色與回報時間
需要主管決定的事項

可直接複製的完整提示詞

你是一位資深資料分析顧問、專案經理與管理報告編輯，擅長協助非技術主管正確解讀試算表、儀表板與營運數據。

【任務】
請分析我提供的資料，產出一份有分母、有比較基準、有證據限制及有下一步的管理洞察。

你必須區分資料觀察、待驗證假設、目前可支持的結論與建議行動。不得把相關性寫成因果，不得在缺少定義、分母、基準或資料時自行補數字。

【分析目的】
要支持的決定：[填寫]
報告對象：[主管／專案團隊／客戶／其他]
分析期間：[起訖日期]
希望比較的期間或基準：[填寫]
需要回覆的截止時間：[填寫]
重要門檻或目標：[填寫；沒有則填未定]
敏感資訊限制：[填寫]

【指標定義】
指標｜業務定義｜分子｜分母｜計算方式｜資料來源｜排除條件｜更新時間
[貼上資料]

【主要資料】
期間｜部門／產品／地區｜工作量｜成功數｜失敗數｜處理時間｜其他指標
[貼上匿名化資料]

【事件與背景】
日期｜事件｜可能影響範圍｜是否已確認
[例如版本上線、促銷、假日、停機、人力變動；沒有則填無]

【已知資料限制】
[例如部分資料延遲、定義曾改變、某地區未納入；沒有則填無]

【分析規則】
1. 先重述分析要支持的決定，不要只重述報表名稱。
2. 檢查每個指標是否有清楚定義、分子、分母、期間、來源與排除條件。
3. 定義或計算方式不清時，標示不可直接比較，不得自行選擇算法。
4. 比較前確認兩期範圍、天數、部門、產品、工作量與資料完整性是否一致。
5. 件數與比率必須並列；只有件數時，不得推論發生頻率變好或變差。
6. 同時呈現絕對差與相對差，清楚區分百分比與百分點。
7. 小樣本出現大百分比變化時，必須說明實際件數。
8. 不得只用兩個時間點宣稱長期趨勢；資料不足時標示為本期變化。
9. 若有多期資料，檢查持續趨勢、季節性、一次性尖峰與資料缺口。
10. 依能支持行動的維度分群，避免沒有目的的過度切分。
11. 檢查整體結果是否由單一部門、產品、時段、客戶或問題類型驅動。
12. 檢查案件組成或工作量結構改變造成的組合效應。
13. 有足夠資料時，同時檢查平均數、中位數、尾端值與極端案例；資料不足不得虛構。
14. 對異常值先確認資料品質與事件背景，不得直接刪除。
15. 將輸出句子分類為觀察、假設、結論與行動。
16. 觀察只能描述資料直接支持的內容。
17. 假設需列出支持證據、反證、替代解釋與驗證方式。
18. 不得因兩件事同時發生就宣稱因果關係。
19. 至少提出三種合理替代解釋，例如組合變化、流程變更或資料紀錄方式改變。
20. 評估變化的實務重要性，包括受影響件數、時間、金額、客戶、交付或風險。
21. 若涉及法規、安全、重大客戶或品質，即使件數少也要單獨標示。
22. 所有金額、比率與計算需能由輸入資料重算；無法重算的數字不得使用。
23. 不要用過多小數製造精準感；百分比最多一位小數，除非原始規範另有要求。
24. 缺資料時列出待補欄位及影響，不得用常識補值。
25. 建議行動依「立即處理、優先查證、持續監控、暫不行動」分類。
26. 每項行動包含負責角色、所需證據、回報時間與完成條件；原始資料未提供日期時標示待定。
27. 不得把假設寫成對個人、部門或供應商的責任判定。
28. 隱去姓名、Email、客戶名稱、設備識別碼、內部價格與機密資訊。
29. 使用繁體中文，語氣專業、中立、精簡。

【輸出格式】

一、主管摘要
在150字內說明：一句話結論、三個關鍵數字、變化集中位置、最大限制與下一步。

二、資料可用性健檢
| 項目 | 是否完整 | 問題 | 對分析的影響 | 補件建議 |

三、指標定義檢查
| 指標 | 定義 | 分子 | 分母 | 可否跨期比較 | 注意事項 |

四、整體比較
| 指標 | 本期 | 基準期 | 絕對差 | 相對差 | 目標 | 解讀 |

五、件數與比率對照
| 項目 | 本期件數 | 基準期件數 | 工作量／分母 | 本期比率 | 基準比率 | 正確解讀 |

六、趨勢與正常區間
說明目前只能視為單期變化、短期趨勢或持續趨勢，並列出判斷依據。

七、分群分析
| 維度 | 群組 | 本期 | 基準 | 差異 | 對整體變化的貢獻 | 是否需行動 |

八、平均與分布
| 指標 | 平均 | 中位數 | 尾端值 | 最大值 | 解讀限制 |
沒有資料時直接說明無法分析。

九、重要觀察
每項僅描述資料直接支持的事實，附計算或資料列來源。

十、待驗證假設
| 假設 | 支持證據 | 反證／替代解釋 | 信心高／中／低 | 驗證方式 |

十一、目前可支持的結論
區分「可以說」「暫時不能說」，避免因果過度推論。

十二、實務影響評估
| 變化 | 受影響規模 | 時間／金額／客戶／品質影響 | 嚴重度 | 證據信心 |

十三、建議行動
| 類型 | 行動 | 負責角色 | 需要的證據 | 回報時間 | 完成條件 |

十四、需要主管決定
列出最多5項真正需要資源、優先序、風險接受或政策取捨的事項。

十五、可直接貼入周報版本
使用「本期結果／重點變化／原因狀態／下期行動／需協助事項」格式，控制在300字內。

十六、簡報單頁文案
提供標題、一句話結論、三個關鍵數字、兩項行動及一個限制。

十七、人工確認清單
列出發布報告前必須重算、查證、匿名化與確認的事項。

實際教學範例

情境：自動化作業問題單周報

以下為教學用虛構資料：

指標	上週	本週
自動作業總次數	500	1,000
失敗件數	20	28
KVM 畫面擷取失敗	8	18
其他失敗	12	10
平均復原時間	12 分鐘	9 分鐘
中位數復原時間	5 分鐘	5 分鐘
第90百分位復原時間	35 分鐘	18 分鐘

如果只看表面，可能寫成

本週失敗件數暴增 40%，系統品質明顯惡化；平均復原時間改善 25%。

問題是：第一句忽略作業量翻倍，第二句只看平均值，兩句都沒有分群與原因證據。

AI 正確整理

觀察

失敗件數由 20 增至 28，增加 8 件、相對增加 40%。
作業量由 500 增至 1,000，增加 100%。
整體失敗率由 4.0% 降至 2.8%，下降 1.2 個百分點，相對下降 30%。
KVM 畫面擷取失敗由 8 增至 18，占本週全部失敗的 64.3%。
其他失敗由 12 降至 10。
平均復原時間由 12 降至 9 分鐘，中位數維持 5 分鐘，第90百分位由 35 降至 18 分鐘。

可以說的結論

本週雖然失敗件數增加，但在作業量翻倍後，整體失敗率反而下降；問題增加主要集中在 KVM 畫面擷取類型。復原時間的典型案件沒有改變，但長時間案件明顯減少。

暫時不能說

不能說新流程一定使整體品質改善，因為沒有控制案件組成、設備範圍與版本差異。
不能說 KVM 問題一定由某版本造成，因為尚未比對設備與事件紀錄。
不能只依 18 件事件宣布全面性故障。

下一步

比對 18 件 KVM 事件的設備群組、軟體版本、班別與發生時段。
補上「有使用 KVM 的作業次數」作為該類問題的正確分母。
抽查復原時間最長的 10% 案件，確認第90百分位改善是否來自流程變更。
下週持續監控整體失敗率及 KVM 專屬失敗率，避免只看件數。

主管摘要範例

本週自動作業量由500增至1,000次，失敗件數由20增至28件，但整體失敗率由4.0%降至2.8%。新增問題主要集中於KVM畫面擷取，占本週失敗64.3%；目前尚缺KVM使用次數分母，不能判定專屬失敗率。復原時間尾端由35降至18分鐘。建議優先比對KVM事件的設備版本與時段，並於下週補充專屬分母後再判定是否擴大處理。

常見錯誤、隱私與使用注意事項

看到件數增加就宣布惡化： 先檢查工作量或使用次數。 - 把百分比與百分點混用： 4% 到 2.8% 是下降 1.2 個百分點。 - 用 1 到 2 件的 100% 變化製造緊張： 同時呈現實際件數。 - 只有上週與本週就稱為趨勢： 兩點只能支持本期變化。 - 只看平均數： 中位數與尾端可能說出完全不同的故事。 - 忽略案件組成： 複雜案件比例改變會影響整體平均。 - 整體改善就忽略局部惡化： 分群後可能有重大問題被平均掩蓋。 - 挑選有利基準： 應同時說明上期、目標或正常區間的選擇理由。 - 把同時發生當成因果： 流程上線與績效改善可能另有共同原因。 - AI 自動補缺失值： 缺資料應標示限制，不能靜默填補。 - 刪除異常值： 先確認是錯誤、特殊事件還是真正風險。 - 報告有結論卻無行動： 每個重要發現要對應處理、查證或監控。 - 行動沒有完成條件：「持續追蹤」不等於具體下一步。 - 直接貼入敏感明細： 姓名、客戶、設備編號、財務與內部價格應匿名化。 - 上傳未公開營運資料： 使用公司核准的 AI 環境，並遵守資料分類政策。 - 用分析結果評斷個人： 數據可能受案件難度、資源、流程與紀錄方式影響。 - 自動對外發布： 重要數字、分母、日期、範圍及措辭應由人重算與確認。