Excel 案例
45｜AI Decision Copilot：跨境營運管理儀表板＋AI 管理報告
一、案例定位
把 Excel Dashboard 與 AI 管理報告結合：Excel 負責 KPI 與例外，AI 負責從大量數據中形成可讀、可追問的管理敘事。
二、學習目標
建立區域 KPI Dashboard。
從平均值進一步做 Exception Management。
設計適合交給 AI 的摘要輸入。
要求 AI 區分事實、解讀與建議。
三、案例情境
跨境營運主管每月收到大量報表，但真正需要的是：哪裡出問題、為什麼重要、先做什麼。
Excel 核心表格（Word 完整閱讀版）
下列內容直接整理自本案例對應的 Excel 工作簿。Word 版保留理解案例所需的核心輸入、計算結果與管理輸出；若原始資料筆數很大，正文列示代表性樣本，而模型結果與管理摘要則完整呈現。學生可先只閱讀 Word 完成案例理解，再到 Excel 修改參數與資料進行情境重算。
Excel表 45-1｜月度營運資料代表性樣本
區域 |
月份 |
營收 |
毛利率 |
準時率 |
庫存覆蓋比 |
退貨率 |
風險分數 |
East Asia |
1 |
284,964 |
42.00% |
91.20% |
0.76 |
5.77% |
16.0 |
East Asia |
2 |
207,030 |
43.82% |
94.86% |
0.97 |
4.89% |
25.0 |
East Asia |
3 |
292,054 |
32.87% |
95.72% |
1.24 |
2.50% |
43.0 |
East Asia |
4 |
409,338 |
37.02% |
95.17% |
1.19 |
2.26% |
38.0 |
East Asia |
5 |
325,248 |
30.39% |
95.22% |
1.23 |
4.10% |
62.0 |
East Asia |
6 |
313,746 |
40.69% |
94.81% |
0.86 |
3.90% |
45.0 |
East Asia |
7 |
262,884 |
41.81% |
98.23% |
1.04 |
4.41% |
64.0 |
East Asia |
8 |
270,059 |
43.61% |
96.89% |
0.85 |
1.84% |
27.0 |
East Asia |
9 |
416,577 |
43.59% |
96.37% |
1.04 |
5.62% |
64.0 |
East Asia |
10 |
358,708 |
35.36% |
96.99% |
0.98 |
5.18% |
43.0 |
East Asia |
11 |
182,936 |
43.55% |
90.60% |
0.79 |
4.91% |
17.0 |
East Asia |
12 |
240,107 |
41.04% |
95.76% |
0.76 |
6.06% |
22.0 |
註：此表列示代表性資料樣本，用來理解欄位與模型邏輯；完整資料保留於 Excel 工作簿供深入分析與 What-if 重算。
Excel表 45-2｜Management Dashboard
區域 |
年營收 |
平均毛利率 |
平均準時率 |
平均庫存覆蓋 |
平均退貨率 |
平均風險 |
East Asia |
3,563,651 |
39.65% |
95.15% |
0.98 |
4.29% |
38.83 |
SEA |
3,568,953 |
35.40% |
93.99% |
1.03 |
4.68% |
32.17 |
Europe |
3,504,992 |
37.52% |
94.35% |
1.05 |
3.63% |
46.33 |
Excel表 45-3｜High Priority 管理例外
區域 |
月份 |
異常 |
數值 |
建議 |
優先級 |
East Asia |
1 |
準時率偏低 |
0.91 |
檢查承運/倉庫瓶頸 |
High |
East Asia |
1 |
退貨率偏高 |
0.06 |
檢查商品/描述/品質 |
High |
East Asia |
5 |
風險分數偏高 |
62 |
人工風險審查 |
High |
East Asia |
7 |
風險分數偏高 |
64 |
人工風險審查 |
High |
East Asia |
9 |
退貨率偏高 |
0.06 |
檢查商品/描述/品質 |
High |
East Asia |
9 |
風險分數偏高 |
64 |
人工風險審查 |
High |
East Asia |
11 |
準時率偏低 |
0.91 |
檢查承運/倉庫瓶頸 |
High |
East Asia |
12 |
退貨率偏高 |
0.06 |
檢查商品/描述/品質 |
High |
SEA |
1 |
退貨率偏高 |
0.06 |
檢查商品/描述/品質 |
High |
SEA |
2 |
準時率偏低 |
0.90 |
檢查承運/倉庫瓶頸 |
High |
SEA |
2 |
退貨率偏高 |
0.06 |
檢查商品/描述/品質 |
High |
SEA |
5 |
風險分數偏高 |
61 |
人工風險審查 |
High |
SEA |
10 |
準時率偏低 |
0.89 |
檢查承運/倉庫瓶頸 |
High |
SEA |
11 |
準時率偏低 |
0.90 |
檢查承運/倉庫瓶頸 |
High |
SEA |
12 |
準時率偏低 |
0.91 |
檢查承運/倉庫瓶頸 |
High |
註：Word 聚焦於決策最相關的情境／例外；完整明細保留於 Excel 工作簿。
Excel表 45-4｜AI 管理報告輸入
項目 |
結果 |
最高營收區域 |
SEA |
最高營收 |
3,568,953 |
最高平均風險區域 |
Europe |
平均風險 |
46.33 |
High Priority例外 |
20 |
全部例外 |
30 |
管理原則 |
先處理高影響例外，再看平均KPI |
四、主要結果
年營收最高區域為 SEA。
平均風險最高區域為 Europe。
模型共辨識 30 個管理例外，其中 High Priority 20 個。
五、Excel 決策模型
Dashboard 彙總營收、毛利率、準時率、庫存覆蓋、退貨率與風險；Exception Management 依門檻找出需要管理介入的月份。
六、主要結果與管理解讀
Dashboard 不應只展示漂亮平均數，必須能 drill down 到例外。
AI 最有價值的角色是把『哪些數字值得主管注意』轉成優先順序與問題清單。
管理報告應明確分成 Facts、Interpretation、Actions，避免把 AI 推論混成事實。
七、What-if
改變準時率、庫存與退貨門檻；比較例外數量是否過多，討論 alert fatigue。
八、AI Prompt
你是跨境營運 Management Copilot。請根據 Dashboard 與 Exception 表產出一頁管理報告，分成：Facts、Interpretation、Top 5 Actions、Questions for Management。每個 Interpretation 必須引用至少一個 KPI；不得把推測寫成事實；若資料不足，明確寫『需要更多資料』。
九、Excel＋AI 分工
Excel：KPI、趨勢、例外門檻與可追溯資料。
AI：摘要、跨指標連結、優先行動與管理問題。
十、課堂任務
先讓學生只看 Dashboard 寫 150 字管理摘要，再與 AI 版本比較：AI 是否漏掉例外？是否過度推論？
十一、資料來源
全部為教材模擬資料。