「我們彙整全公司的永續資料,其實非常耗費人力。報告書的編輯本身並不是最大困難——這件事我們做很多年了,流程也相對熟悉。真正困難的是前端資料的蒐集、介接、彙整,以及數字正確性的確認。幾個主要指標的數據整理,各單位同仁在收 raw data 時,常常要等待資料、反覆更新、一筆一筆調整,最後還要再確認數字是否正確,這個過程非常耗時費力。我最想先了解的是:在前端資料蒐集與數據確認這一段,可以怎麼協助我們精進?」
——一位做了五、六年永續報告的永續辦主管
這段話點出關鍵:做了五六年、也有系統,卻還這麼痛——痛的不是能力,是三種結構性的債。
三種債:有系統為什麼還痛?
| 債 | 為什麼有系統還痛 |
|---|---|
| ① 覆蓋債 | 核心指標(能源、排放、用水)有系統,但社會面、治理面、供應鏈等長尾還散在 Excel、email、人工。系統管 60%,剩下 40% 才是吃人力的地方。 |
| ② 黏合債 | 各系統各自有資料,但跨系統彙整、對齊口徑、拼成報告格式這段沒人管,全靠人肉搬運。資料孤島 → 人肉 ETL。 |
| ③ 正確性債 | 做五六年還要反覆核對,代表校驗與溯源沒內建;口徑、係數、算法綁在幾個資深同仁腦袋裡,沒沉澱成規則,換人就斷。 |
再加一個外部變數:接軌 IFRS S1/S2 後,資料要更細、更可查證——原本年底人工兜數的流程,只會更吃力。
怎麼找出真正的痛點?
別問同仁「你哪裡痛」,要用證據挖。挑 2–3 個最耗人力的指標,跟一次完整週期:
- 跟一個指標走完全程:從 raw data 跟到最終數字,記錄經過幾雙手、幾次來回、卡在哪。
- 人力熱點排序:找出吃掉 80% 人力的那 20% 指標。
- 退件回溯:過去被打回、改過的數字在哪——那就是校驗該補的位置。
- 覆蓋率矩陣:「指標 × 資料源 × 是否系統化 × 是否人工黏合」,空白格就是痛點。
- 交接風險:哪些數字只有某人會算——最該沉澱成規則。
挖到之後,AI / IoT / 系統各能做什麼?
找到痛點後,關鍵是對症下藥,別什麼都塞 AI。同一個「資料很難收」的痛,底層原因不同,手段就完全不同:
| 痛點 / 場景 | 最適手段 | 怎麼幫 |
|---|---|---|
| 電/水/氣/蒸汽用量要人工抄表 | 🔌 IoT | 智慧電表、感測器自動上傳用量,免月底抄表;製程排放可接連續監測(CEMS) |
| 帳單、發票、供應商回傳文件要人工讀 | 🤖 AI | OCR + LLM 自動擷取數字、歸到對應指標,免人工逐張輸入 |
| 各系統(ERP/HR/能源)資料要人工匯出再拼 | ⚙️ 系統 | API / ETL 自動介接,匯進資料中台,免人肉搬運 |
| 數字對不對靠人眼核 | 🤖 AI | 異常偵測:年增率離群、單位錯誤、跨表勾稽不符自動標紅 |
| 各單位填報散亂、缺漏 | ⚙️ 系統 | 結構化填報表單 + 前端校驗規則,填錯當場擋下 |
| 進度難掌握、要人工催件 | ⚙️ 系統 | 工作流引擎:填報→簽核→退件自動流轉、進度看板、自動提醒 |
| 口徑、係數靠人記憶 | ⚙️ 系統 | 規則庫:係數版本管理、口徑固化,明年直接套 |
| 報告書敘述要從頭寫 | 🤖 AI | 依數據生成初稿——但務必人工複核,不可當合規背書 |
優先序:把 AI 用在刀口上
① 能自動量測的 → IoT / 感測器 ② 能系統對接的 → API / ETL ③ 剩下非結構化解析與判斷,才交給 AI。
確定性的事,交給確定性的工具;AI 留給真正需要「讀懂、判斷、生成」的那一段。
① 能自動量測的 → IoT / 感測器 ② 能系統對接的 → API / ETL ③ 剩下非結構化解析與判斷,才交給 AI。
確定性的事,交給確定性的工具;AI 留給真正需要「讀懂、判斷、生成」的那一段。
最低阻力的起手式:先把既有 Excel 自動化
如果痛點是「人肉 ETL」——各單位交上來一堆格式不一的 Excel,再靠人複製貼上、對欄位、換單位、兜加總——那最快見效的一步,不是導系統,是先把這批既有 Excel 的轉換自動化。資料本來就在他們手上,不用改變任何人的填寫習慣。
- 一鍵合併轉換:寫一支轉換器,把各廠、各單位的月報 Excel 自動合併、對齊欄位、統一單位、加總與勾稽。原本一個人兩天的複製貼上,變成幾秒跑完。
- AI 輔助對應:遇到欄位名稱、格式一直變的 Excel,用 AI 自動辨識「這欄是哪個指標」、生成欄位對應與轉換規則,不必每次手改腳本。
- 順手校驗:轉換時一併跑異常檢查(單位錯、離群值、缺漏),錯誤在進資料庫前就攔下。
為什麼先做這個?阻力最低、當週就能看到省時效果、最容易建立信任;而且做轉換的過程,等於把資料結構摸過一遍——這正是日後要上資料中台或系統介接的最佳前置。先用 quick win 換到空間,再談大架構。
怎麼補?補縫,不是重建
| 做法 | 解決 |
|---|---|
| 先把既有 Excel 的轉換自動化(quick win 起手式) | 黏合債(當週見效) |
| 加一層做彙整、校驗、溯源的中間層(不動核心系統) | 黏合債 + 正確性債 |
| 長尾指標做結構化填報 + 校驗規則 | 覆蓋債 |
| 口徑、係數、算法沉澱成規則庫 | 正確性債 |
| 年度大工拆成月/季小批填報,年底只做快照結案 | 低頻痛點變高頻順手 |
一句話心法
把一年一次的大工,設計成平時就在流動、就在校驗的「持續性資料管線 + 年度快照」。資料平時累積、隨手校驗,年底只是按下快門。自動化的 ROI 不在省工時,而在:降低被查證打回的風險、讓 know-how 不隨人流失、讓資料可稽核。
把一年一次的大工,設計成平時就在流動、就在校驗的「持續性資料管線 + 年度快照」。資料平時累積、隨手校驗,年底只是按下快門。自動化的 ROI 不在省工時,而在:降低被查證打回的風險、讓 know-how 不隨人流失、讓資料可稽核。
發佈留言