--- title: "報表不是資料，是議程｜算完之後，人在那一步做什麼" url: https://joelin.cc/p/9807 source: https://joelin.cc/p/9807 id: 9807 slug: "report-is-an-agenda" pubDate: 2026-09-16 date_modified: 2026-09-16 updatedDate: 2026-09-16 schema_type: BlogPosting description: "報表真正在做的事不是告訴你發生了什麼，是告訴你先看哪一個；而先看哪一個的另一面，就是決定其他的今天不看。機器排得出優先度，排不出「我知道這篇有問題」——這一步沒辦法省略，它同時是整個系統的瓶頸與價值所在。" ai_summary: "老喬談資料算完之後、行動開始之前的那一步。核心主張是報表的本質是排序，而排序的另一面就是決定今天不看什麼——這件事沒辦法從資料本身推出來，因為資料不知道這個月想把力氣放在哪裡、下個月有什麼別的事、哪一塊對生意比較重要。排序有一部分可以也應該交給機器：頁面掉了多少、多久沒更新、排名第幾頁、有沒有被自己人搶，這些都有數字，寫成規則比人排得穩定。但有一類永遠排不進去：自己知道某篇文章裡有個數字算錯了——這件事沒有任何欄位記著，不會讓排名掉也不會讓流量少，在所有指標上都正常，只存在於人的記憶裡，必須手動插到隊伍最前面。文中舉一個當天發生的例子：AI 盤點系統資料源時，把一張欄位齊全但一筆資料都沒有的空表判讀成運作中的銀行月結管線，老喬一看就說這不是掛在這個網站底下的東西；AI 沒說謊，那張表確實存在、命名合理，錯在那個推論需要一個資料裡沒有的前提，也就是人對自己事業版圖的認知。另一件報表算不出來的事是讀者為什麼願意推薦，所以地圖上留了一個位置給 NPS；行為資料量的是發生了什麼，NPS 量的是在他心裡值多少，兩者不能互相取代，一篇文章可以流量很好卻沒有人會提起它。結論是人在這一步只做三件事：決定今天不看什麼、把資料看不到的東西插進來、判斷一個結論能不能成立。" key_facts: ["報表的本質是排序，而排序的另一面就是決定今天不看什麼，這件事無法從資料本身推出來", "可以交給機器排的是有數字的項目（掉了多少、多久沒更新、排第幾頁、有沒有被自己人搶），機器排得比人穩定", "機器排不出「我知道這篇有問題」：那件事沒有任何欄位記著，在所有指標上都正常，只存在於人的記憶裡", "當天實例：AI 把一張欄位齊全但零筆資料的空表判讀成運作中的管線，錯在那個推論需要資料裡沒有的前提", "機器能告訴你欄位存在，不能告訴你這不合理——後者來自人對自己事業版圖的認知", "行為資料與 NPS 是兩種證據不能互相取代：前者量發生了什麼，後者量在他心裡值多少", "人在這一步只做三件事：決定今天不看什麼、把資料看不到的東西插進來、判斷一個結論能不能成立"] categories: ["自媒體矩陣", "內容經營"] tags: ["報表設計", "優先度排序", "NPS", "資料判讀", "內容經營"] authorship: origin: written ai_role: assist entity_ids: author: https://me.joelin.cc/#joe publisher: https://me.joelin.cc/#joelincc --- # 報表不是資料，是議程｜算完之後，人在那一步做什麼 ## 摘要 老喬談資料算完之後、行動開始之前的那一步。核心主張是報表的本質是排序，而排序的另一面就是決定今天不看什麼——這件事沒辦法從資料本身推出來，因為資料不知道這個月想把力氣放在哪裡、下個月有什麼別的事、哪一塊對生意比較重要。排序有一部分可以也應該交給機器：頁面掉了多少、多久沒更新、排名第幾頁、有沒有被自己人搶，這些都有數字，寫成規則比人排得穩定。但有一類永遠排不進去：自己知道某篇文章裡有個數字算錯了——這件事沒有任何欄位記著，不會讓排名掉也不會讓流量少，在所有指標上都正常，只存在於人的記憶裡，必須手動插到隊伍最前面。文中舉一個當天發生的例子：AI 盤點系統資料源時，把一張欄位齊全但一筆資料都沒有的空表判讀成運作中的銀行月結管線，老喬一看就說這不是掛在這個網站底下的東西；AI 沒說謊，那張表確實存在、命名合理，錯在那個推論需要一個資料裡沒有的前提，也就是人對自己事業版圖的認知。另一件報表算不出來的事是讀者為什麼願意推薦，所以地圖上留了一個位置給 NPS；行為資料量的是發生了什麼，NPS 量的是在他心裡值多少，兩者不能互相取代，一篇文章可以流量很好卻沒有人會提起它。結論是人在這一步只做三件事：決定今天不看什麼、把資料看不到的東西插進來、判斷一個結論能不能成立。 ### 重點 - 報表的本質是排序，而排序的另一面就是決定今天不看什麼，這件事無法從資料本身推出來 - 可以交給機器排的是有數字的項目（掉了多少、多久沒更新、排第幾頁、有沒有被自己人搶），機器排得比人穩定 - 機器排不出「我知道這篇有問題」：那件事沒有任何欄位記著，在所有指標上都正常，只存在於人的記憶裡 - 當天實例：AI 把一張欄位齊全但零筆資料的空表判讀成運作中的管線，錯在那個推論需要資料裡沒有的前提 - 機器能告訴你欄位存在，不能告訴你這不合理——後者來自人對自己事業版圖的認知 - 行為資料與 NPS 是兩種證據不能互相取代：前者量發生了什麼，後者量在他心裡值多少 - 人在這一步只做三件事：決定今天不看什麼、把資料看不到的東西插進來、判斷一個結論能不能成立 前面三篇講的都是機器那一側：資料[怎麼進來](/p/9802)、[怎麼洗乾淨](/p/9803)、[怎麼算出人眼看不到的關係](/p/9804)。這一篇講機器停下來之後的那一步。 先講結論：報表的本質是排序，而排序就是決定今天不看什麼。這一步目前沒辦法省略，它同時是整個系統的瓶頸和它的價值所在。 ## 報表，算完不會自己變成行動 資料算完，我手上會有一份清單：哪些頁在掉、哪些需求沒人承接、哪些文章在互相搶、哪些內容過期了。 每一條都是對的，每一條都值得處理 問題是它們加起來超過任何人一週能做的量。 所以報表真正在做的事，不是「告訴我發生了什麼」，是「告訴我先看哪一個」。而先看哪一個的另一面，就是決定其他的今天不看——這件事沒有辦法從資料本身推出來，因為資料不知道我這個月想把力氣放在哪裡、不知道我下個月有什麼別的事、也不知道哪一塊對我的生意比較重要。 換句話說，報表把「發生了什麼」處理完了，剩下的「所以呢」還在人身上。 ## 機器排得出優先度，排不出「我知道這篇有問題」 排序有一部分是可以交給機器的，而且應該交。頁面掉了多少、多久沒更新、排名在第幾頁、有沒有人在搶，這些都有數字，寫成規則讓機器每次自動排好，比人排得穩定，也不會今天心情不好就漏掉。 但有一類永遠排不進去：我自己知道某一篇裡有個數字算錯了。 這件事沒有任何欄位記著。它不會讓排名掉、不會讓流量少、在所有指標上都完全正常。它只存在於我的記憶裡，而我必須手動把它插到隊伍最前面。 我花了一段時間才接受這不是系統沒做好，而是這件事本來就不在資料的觀測範圍裡。機器能排的是「看起來該修的」，排不出「我知道它錯了的」。 ## 一個當天發生的例子 寫這個系列的時候，我讓 AI 幫我盤點整套系統裡有哪些資料源。 它交出一份清單，其中一條寫著我有一條銀行帳戶的月結資料管線在運作。 我看到那條的反應是：這什麼？這不是掛在這個網站底下的東西啊。 回頭查，那張表一筆資料都沒有。它只是一個當初預留的空位，欄位都建好了、名字也取好了，但管線從來沒有接上去，真正的資料在另一台機器的手工檔案裡，跟這個系統完全沒有關係。 AI 沒有說謊，它看到的東西都是真的：那張表存在、欄位齊全、命名合理。它推論出「這是一條在運作的管線」，在資料層面完全講得通。 錯的地方在於，那個推論需要一個資料裡沒有的前提——我對自己事業版圖的認知。我知道銀行那件事不住在這裡，所以那句話一出現我就覺得不對。 機器能告訴你欄位存在，不能告訴你「這不合理」。 這個例子我特別留下來，因為它不完美，而且犯錯的是機器那一側。它比任何抽象的論證都更能說明第四步為什麼還在。 ## 行為資料與人講的話，是兩種證據 還有一件事報表算不出來。 我可以從資料看出一篇文章的表現在掉、一個讀者好幾期沒開信、一塊主題的需求在縮小。 這些都是行為，都是真的。 但資料回答不了「他為什麼願意推薦我」。 這就是為什麼我在整張地圖上留了一個位置給 NPS。它只有一題，問的不是你喜不喜歡，而是你會不會推薦給別人。這一題的答案不在任何後台裡，只能去問。 兩種證據要分開看，也不能互相取代。行為資料量的是「發生了什麼」，NPS 量的是「在他心裡值多少」。一篇文章可以流量很好但沒有人會提起它，也可以流量普通卻是別人介紹我時會拿出來的那一篇。只看前者，我會把後者砍掉。 ## 所以第四步是什麼 把這些放在一起，人在這一步做的事其實只有三件： - 決定今天不看什麼。這是排序的另一面，也是最常被跳過的一件。 - 把資料看不到的東西插進來。包括我知道哪裡有問題，也包括我知道這個月想往哪裡走。 - 判斷一個結論能不能成立。兩個數字出身不同的時候，結論要收到什麼程度，這件事沒有標準答案。 這三件都還在我身上。但這一年我做的大部分工程，其實是在把它們一件一件交出去——有些交得掉，有些交不掉，還有兩件是我刻意不交的。 那是下一篇，也是這個系列的最後一篇。 本文關鍵字：報表設計、優先度排序、NPS、資料判讀、內容經營 ## 常見問題 ### 為什麼說報表是議程不是資料？ 因為資料算完會產出一份超過任何人一週能做完的清單，報表真正在做的是排出先看哪一個。而先看哪一個的另一面，就是決定其他的今天不看，那是一個決定，不是一個數字。 ### 優先度可以完全交給機器排嗎？ 有數字的部分可以，而且應該交，機器排得比人穩定。但「我知道這篇裡有個數字錯了」這一類排不進去，因為它在所有指標上都正常，沒有任何欄位記著它。 ### AI 幫忙判讀資料，最容易錯在哪裡？ 錯在它會用資料層面完全講得通的推論，補上一個資料裡沒有的前提。例如看到一張表存在、欄位齊全、命名合理，就推論那條管線在運作，而實際上它一筆資料都沒有。 ### 有了完整的流量與行為資料，還需要做 NPS 嗎？ 需要，因為兩者量的是不同的東西。行為資料回答發生了什麼，NPS 回答在他心裡值多少。一篇文章可以流量很好卻沒有人會提起它，只看前者會把後者砍掉。