Raport sprzedaży co tydzień robiony ręcznie w Excelu - jak go zautomatyzować

Jak wygląda ręczny raport sprzedaży?

W poniedziałek rano ktoś pobiera eksporty z kilku systemów, wkleja je do arkusza, poprawia formuły, które się rozjechały, i wysyła raport zarządowi. Trwa to długo, a gotowy raport opisuje stan sprzed kilku dni. Co gorsza, każdy błąd przy kopiowaniu przenosi się na decyzje podejmowane na podstawie raportu.

• eksporty ze sklepu, CRM, programu do faktur i paneli reklamowych są pobierane ręcznie,
• arkusz ma kilkanaście zakładek i formuły, które rozumie tylko jego autor,
• liczby w raporcie różnią się od tych w systemach i nikt nie wie dlaczego,
• gdy autor raportu jest na urlopie, raportu po prostu nie ma.

Dlaczego raport sprzedaży wciąż powstaje ręcznie?

Bo zaczął się od jednorazowego arkusza, który z czasem obrósł w zakładki i wyjątki. Nikt nie uznał go za proces do automatyzacji, więc stał się czyimś stałym obowiązkiem.

Dane w kilku systemach

Zamówienia są w sklepie, szanse sprzedaży w CRM, faktury w programie księgowym, a koszty reklam w panelach reklamowych. Każdy system eksportuje dane w innym formacie i z innymi nazwami pól.

Brak wspólnych definicji

Dla handlowca sprzedaż to podpisana umowa, dla księgowości wystawiona faktura, a dla sklepu złożone zamówienie. Bez spisanych definicji każdy raport liczy co innego i każdy ma trochę racji.

Ręczne poprawki po drodze

Autor raportu usuwa testowe zamówienia, łączy duplikaty klientów i przelicza waluty. Te kroki nie są nigdzie zapisane, więc nie da się ich zautomatyzować bez rozmowy z nim.

Skąd brać dane do automatycznego raportu?

Bezpośrednio z systemów, w których dane powstają: przez API, zaplanowany eksport albo gotowy konektor. Ręcznie pobrany plik powinien być wyjątkiem, a nie podstawą raportu. Jeśli te same dane są wcześniej przepisywane między systemami, zacznij od tego problemu, opisanego we wpisie o ręcznym przepisywaniu danych.

Jak zbudować automatyczny raport?

Najpierw definicje, potem przepływ danych, na końcu wygląd. Odwrotna kolejność daje ładny dashboard z liczbami, którym nikt nie ufa.

Automatyczny raport ma trzy warstwy. Pierwsza pobiera dane według harmonogramu, np. codziennie w nocy, przez narzędzie takie jak n8n lub Make albo skrypt uruchamiany o stałej porze (w Arkuszach Google służą do tego wyzwalacze czasowe Apps Script). Druga zapisuje dane w jednym miejscu: w arkuszu o stałej strukturze, a przy większej skali w bazie danych. Trzecia pokazuje wyniki w arkuszu z wykresami albo w narzędziu BI, takim jak Power BI czy Data Studio (dawniej Looker Studio), które odświeża dane według harmonogramu i potrafi wysyłać raport mailem jako PDF.

Zanim cokolwiek zbudujesz, przejrzyj obecny arkusz razem z jego autorem. Każdą zakładkę opisz jednym zdaniem: skąd bierze dane, co liczy i kto z niej korzysta. Zakładki, z których nikt nie korzysta, nie muszą trafić do nowego raportu.

Gdzie w tym jest AI?

AI dobrze opisuje gotowe liczby: streszcza, co zmieniło się w porównaniu z poprzednim tygodniem, i wskazuje pozycje, które odstają od normy. Nie powinno liczyć samych wyników, bo modele językowe nie są narzędziem do precyzyjnych obliczeń. Liczby liczy baza danych lub arkusz, a AI dostaje gotową tabelę i pisze komentarz, który ktoś czyta przed wysłaniem.

Arkusz czy narzędzie BI?

Arkusz wystarczy, gdy źródeł jest kilka, odbiorców niewielu, a raport ma jedną wersję dla wszystkich. Narzędzie BI warto wybrać, gdy danych przybywa, odbiorcy potrzebują różnych widoków albo raport ma być dostępny w każdej chwili, a nie tylko w poniedziałek.

W obu przypadkach zasada jest ta sama: dane trafiają do raportu automatycznie i nikt nie wkleja ich ręcznie. Arkusz zasilany przez automat ma tę zaletę, że zespół zna go od lat, więc łatwiej go zaakceptować. Do narzędzia BI można przejść później, gdy dane są już uporządkowane, bez budowania wszystkiego od nowa. Zwróć też uwagę na uprawnienia: raport z danymi klientów i wynikami handlowców nie powinien być dostępny przez publiczny link, a każdy odbiorca powinien widzieć tylko to, czego potrzebuje.

Jak zadbać o jakość danych w raporcie?

Dodaj automatyczne kontrole, które zatrzymują raport albo ostrzegają, gdy dane wyglądają podejrzanie. Raport z błędem jest gorszy niż raport opóźniony o godzinę.

• porównanie sumy sprzedaży w raporcie z sumą w systemie źródłowym,
• alarm, gdy z któregoś źródła nie przyszły dane albo jest ich nagle znacznie mniej niż zwykle,
• wykluczanie zamówień testowych i anulowanych według zapisanej reguły,
• jeden identyfikator klienta, żeby duplikaty nie zawyżały liczby klientów,
• data i godzina ostatniego odświeżenia widoczna w raporcie.

Kto powinien odpowiadać za raport?

Jedna osoba po stronie biznesu, która odpowiada za definicje wskaźników, i osoba techniczna, która dba o przepływ danych. Bez właściciela raport po kilku miesiącach znów zaczyna się rozjeżdżać.

Właściciel raportu zatwierdza zmiany definicji, reaguje na alarmy jakości danych i decyduje, kiedy dodać nowy wskaźnik. Osoba techniczna dostaje powiadomienia o błędach pobierania danych i aktualizuje połączenia, gdy zmieni się któryś system, np. po aktualizacji CRM albo zmianie pól w sklepie. Opis raportu, czyli definicje, źródła, harmonogram i reguły, trzymaj w jednym dokumencie obok raportu. Gdy zmieni się osoba odpowiedzialna, następca nie będzie musiał odtwarzać logiki z formuł.

Lista kontrolna

• spisane definicje wskaźników zatwierdzone przez odbiorców raportu,
• lista źródeł danych i sposób pobierania z każdego,
• harmonogram odświeżania i jedno miejsce przechowywania danych,
• kontrole jakości i data ostatniego odświeżenia w raporcie,
• AI tylko do opisu gotowych liczb, z weryfikacją przed wysyłką,
• właściciel raportu i osoba techniczna z powiadomieniami o błędach.

Jeśli chcesz policzyć, czy automatyzacja raportu się opłaca, skorzystaj z poradnika o liczeniu zwrotu z automatyzacji. Przepływy danych, dashboardy i komentarze AI do raportów wdrażamy w ramach automatyzacji procesów AI. Ten problem jest jednym z naszej listy 100 problemów z wdrożeniem AI i automatyzacją.