ChatGPT Data agent 怎麼用？營收分析案例與導入限制

ChatGPT Data agent 如何分析公司資料？從啟用、提問到營收核對，說明重複加總、退款與時區問題，並整理資料權限、費用及報表分享限制，判斷何時值得導入。

發佈於： 2026-09-14 | 更新於： 2026-09-14

內容查核： 2026-09-14 來源查核： 2026-09-14

ChatGPT Data agent 最值得試的用途，是追查「報表已經告訴你業績下滑，但還沒告訴你為什麼」。 它可以連接公司資料，讓你沿著同一個問題追問，從總額拆到商品、通路或客群，再整理成可分享的分析。只想畫一張圖的人，未必需要多接一套系統。

OpenAI 在 9 月 10 日推出 Data agent，把這種分析工作帶進 ChatGPT Work。對台灣中小企業而言，我會先拿一項已經有標準答案的營運指標試用：既能看它是否減少查資料的往返，也能知道結果出錯時，團隊有沒有能力找出原因。直接拿它產出的第一張圖開會，風險太高。

跟上傳 Excel、原本的 BI 報表有什麼不同？

上傳檔案適合一次性的整理，例如把手上的訂單匯出檔按商品分類。問題在於，隔天又有新訂單或退款，舊檔案就不是目前的資料。若只是偶爾處理試算表，先用一般的 AI 資料分析工具已經足夠。

Data agent 的產品定位是連接核准的資料來源，配合公司的指標定義與資料關係來分析。依產品介紹，可接入的來源包含 BigQuery、ClickHouse、MongoDB、Snowflake 等，也能運用既有商業智慧工具的內容。是否能操作某一項功能，仍取決於你實際連接的工具。

原本的 BI 報表則適合固定追蹤，例如每週都看同一套營收、毛利與訂單指標。我更傾向讓兩者分工：固定報表保留共同基準，Data agent 負責追問異常。 當業務說「這週少很多」，可以進一步問是哪個通路、哪些商品、訂單量還是客單價改變，而不必先重做整個儀表板。

這裡的「語意層」也不是神祕技術。你可以把它理解成公司共同承認的計算規則：有效訂單的條件、退款怎麼扣、客戶如何去重，以及資料表之間如何關聯。少了這些規則，AI 看到兩個都叫「營收」的欄位，也未必知道財務部採用哪一個。

Data agent 怎麼啟用？先分清外掛與資料授權

從桌面版的外掛入口，或網頁版的外掛目錄找到 Data，安裝並完成需要的資料來源連接後，就能在對話中用 @Data 提問。這是使用文件列出的開始方式；ChatGPT 更新紀錄也列出 Codex 支援。

不過，Data 外掛、資料來源外掛與來源帳號權限是不同關卡。啟用條件包括工作區允許相關外掛，部分連線也須先完成設定。沒有資料庫權限的人，不會因為安裝 Data 就突然看得到整間公司的訂單。

第一次使用時，可以先說明要查哪個資料集、指標、期間與比較對象，不要只寫「幫我分析公司」。若連資料來源名稱都不確定，先問內部負責報表的人，比反覆改提示詞有效。

各家連接工具的能力不同，不能把「代理能執行後續工作」理解成所有資料庫都能直接寫入。

資料來源	官方目前說明	導入前要確認
ClickHouse	Cloud 服務須啟用遠端 MCP，提供的工具為唯讀	帳號能查哪些服務與資料
MongoDB Atlas	AI 用戶端存取預設關閉，可限制唯讀	組織擁有者是否開放，以及登入者權限
Sigma	查詢與建立儀表板的授權不同	建立儀表板須有 Build 授權

ClickHouse 的上線說明與 MongoDB 的 Atlas 公告都把來源端控制列為前提。Sigma 則明列 Build 授權要求：能問現成資料，不等於已買齊製作儀表板的功能。

評估費用時，也要把資料平台授權和查詢運算納入，不能只看 ChatGPT 訂閱。先請管理員確認實際方案與用量計費，再決定是否擴大使用。

如果安裝成功卻查不到資料，先用同一個帳號到原平台查看。原平台也看不到，就先處理授權；原平台看得到、對話裡找不到，再確認連接的是哪個帳號、資料集或工作區。能查數字卻不能建立儀表板，則可能卡在功能支援或授權種類，不能一律歸因於模型不夠聰明。

台灣電商先拿「上週營收」驗收

以電商驗收為例，先約定台灣時區、完整週期、付款與退款的歸屬方式，排除測試訂單，並把不同幣別分開。這套條件須依公司定義調整，產品不會預設替你決定。提問可以寫成這樣，這是示意需求，不代表已在真實資料庫執行：

@Data，請用營運部已確認的訂單報表，比較上個完整週與前一週的淨營收。以台灣時區呈現，依既有規則扣除退款，排除測試訂單，不同幣別分開。先列出資料來源、更新時間與計算定義，再按通路說明差異；遇到缺資料或定義不明時請指出，不要自行補值。

這個問法的用意，是讓答案有核對基準。若只要求「解釋營收下滑」，一段語氣肯定的文字很容易讓人忘記確認它到底算了什麼。

例如週日下單、週一付款的訂單，按下單日或付款日統計就會落在不同週。資料庫若用 UTC，接近台灣午夜的交易還可能跨日；把訂單接上商品明細後，也要防止同一筆訂單金額被重複加總。

另外，查詢剛執行完不代表資料剛更新。最新交易若還沒進分析系統，代理就算正確執行查詢，也無法回答完整的即時營收。

選一段已結帳期間，要求它列出來源、篩選條件與計算方式，再跟現有報表核對。差額沒解釋清楚之前，不要拿這張圖決定促銷預算。若連欄位、重複列都還沒整理，應先做 AI 資料清理，否則代理只會更快算出一個看似合理的數字。

舉個自行假設的核對案例：一張訂單付款 1,000 元，含 3 筆商品明細，並在同一統計期間退款 100 元。假設公司的定義是付款扣退款，這張訂單的淨額應是 900 元。如果把訂單總額接到每筆明細後直接加總，就可能算成 3,000 元，再扣退款得到 2,900 元。圖表可以照樣畫得很漂亮，但資料關聯已經錯了。

遇到這種差額，應追問「訂單編號是否唯一、金額是訂單層級還是明細層級、退款扣在哪裡」，而非要求 AI「再想仔細一點」。核對幾筆能手算的交易，通常比盯著總額猜原因更容易找到問題。

數字對上後，怎麼追問才有助於決策？

假設淨營收真的下降，下一步可以拆成訂單量與每筆訂單的淨額，再比較通路、商品或新舊客群。這是分析方向的建議，不代表 Data agent 已替你的公司證明哪個因素造成下滑。

例如某個通路營收減少，同時廣告支出也下降，只能先說兩件事同時發生。要判斷是不是廣告造成，還得確認促銷、庫存、價格、追蹤方式與比較期間是否有變。如果相關資料沒接上，答案就應保留不確定性，不宜直接變成「下週加倍投放」的指令。

我會要求交付物分成可核對的變化、尚待查證的解釋，以及需要誰補資料。像是「官網訂單量下降，付款成功率未變，庫存資料尚缺」，就比「市場需求轉弱，建議調整策略」更有用，因為負責人知道下一步該查什麼。

也別忽略客群組成。整體客單價下降，可能是低單價商品賣得更多，不一定是所有商品都賣差。先比較同一商品、同一通路，再看整體組合，才能避免把結構變化誤認成經營失誤。

報表分享是另一道權限檢查

容易忽略的是「查得出來」之後。官方 Data 使用文件提醒，發布分析到 Sites 時，資料會複製進網站，發布前應檢查分享對象與內容。

因此，不能只測試資料庫拒絕未授權查詢，還要檢查輸出是否含客戶姓名、個別訂單或內部成本，以及接收者是否需要看到這些欄位。Sites 的閱覽範圍應依實際設定確認，重點是多出來的資料副本也需要管理。

Sigma 內的儀表板與 Sites 網站也不是同一個發布目的地，不應混用權限結論。我的建議是先做僅供內部核對的分析，確認數字與閱覽範圍，再考慮定期分享。若還在選工具，可先比較 AI 資料分析工具的適用情境，不必為了一項新功能重建整套流程。

例如行銷代理商可能需要通路成效，卻不需要每位顧客的聯絡資料。分享前應先確認輸出保留哪些欄位，再用預定接收者的權限檢查。原資料庫後來撤銷某人的權限，也不應直接當成已完成所有報表副本的撤權，發布目的地仍要分別確認。

定期報表還需要清楚標示資料截止時間。我的建議是讓報表負責人知道：更新失敗時怎麼通知、誰可以重新發布、舊版是否仍被使用。否則一個能打開的網站，可能只是上次成功產出的結果，主管卻把它當成今天的數字。

哪些團隊值得先試？哪些先不用？

已有穩定資料庫、固定營運指標，卻常花時間請分析人員追加切分的團隊，最容易找到值得測的工作。先挑重複出現、資料敏感度較低、有人能判斷對錯的問題，與既有做法並行比較。

反過來，訂單散落在個人試算表、各部門定義不一致，又沒有人負責核對的公司，我不建議先擴大串接。應先整理共同資料與指標；否則導入後只是多了一個答案來源，爭論不會減少。

最後要比較的是整體工時：從提出問題到得到可用答案花多久、還要人工修正多少、每次查詢是否增加平台費用，以及報表要由誰維護。若省下提問時間，卻把更多時間花在對帳與權限排錯，先縮小使用範圍，比急著全面採用更合理。

常見問題

ChatGPT Data agent 是免費的嗎？

不要把外掛可安裝視為整個流程免費。工作區開放情況、資料平台授權與查詢費用要分開確認；例如 Sigma 建立儀表板需要 Build 授權。

為什麼裝了 Data，還是查不到公司資料？

先確認資料來源外掛已連接、來源帳號有權限，且管理員允許使用。Data 本身不會繞過資料平台的授權，也不會替你補上尚未設定的連線。

Data agent 可以取代資料分析師嗎？

它能協助查詢與呈現結果，但指標定義、異常解釋和分享範圍仍需要有人負責。尤其營收、退款與幣別等條件沒對齊時，圖表完整不代表答案正確。

參考來源

№ · further reading