老闆拿到OpenClaw後的第一件事：公司底層營運數據，解決全通路零售數據儀表板「系統商」v.s「客製化」的兩難

做全通路零售的生意，從來都不是缺乏數據，而是過去業者總得想盡辦法，把極度零碎且細節的資訊拼湊起來。這讓零售業者永遠面臨著一個痛點：「系統商」的公版報表不夠用，而「客製化」開發的工程又太過浩大。

兩個月前，Albert Chen 帶著 老闆-熊哥 開啟了 AWS 帳號，一步步教他怎麼養龍蝦（OpenClaw），並大方分享 claude code 帳號，讓熊哥體驗到了各種可能。

熊哥發現公司原本使用的 Power BI 逐漸跟不上越來越多樣貌的數據需求，便決定親自動手。每天晚上花五個小時坐在電腦前不斷下指令，並將公司各端的相關數據全部彙整到 BigQuery，再透過 MCP 一一串接。

或許有人會問，為什麼不直接接 Looker Studio 或 Power BI 就好？原因在於，代理品牌的零售結構跟一般電商截然不同：產品線寬、通路雜、毛利層級多。光是評估「滯銷」這件事，只看 90 天的單一商品銷售絕對不夠，必須交叉比對品牌、類別、通路、季節與進貨單，分析出來的結果才有意義。

因此，老闆拿到 AI 武器後的第一件事，就是打造一個：ERP/POS 營運數據儀表板。

打造全通路的真實全貌：應用 BigQuery 整合 ERP、POS 資料

這套底層架構涵蓋了公司全通路的銷售與庫存全貌，每天從進銷存系統將資料拋出至 BigQuery，並設定在每天上午 8:30 更新一次、五分鐘快取。
在建置過程中，熊哥帶著同仁將進貨單、商品成本、通路費用、各種活動、倉別甚至樣品與福利品等各種「可怕的細節」逐一清理乾淨。

在最上層的 KPI 總覽中，全集團的當期營業額、商品大類分布、毛利率這三個核心數字並排呈現，並可讓使用者自由切換年初至今、近 30 天、近 90 天或近 180 天的區間。

往下展開透過七個子報表進行深度剖析，包含：

• 類別 ABC 分析：運用 80/20 法則進行分組。
• 週趨勢追蹤：觀察交易筆數、會員人數、毛利率與客單價的曲線是否同向發展。
• 通路拆分：將電商、實體門市、品牌官網、momo、PChome、Yahoo、91APP、蝦皮等各大通路分開或累計，精算各自的營收與毛利率。
• 品牌與損益：檢視每個代理品牌當月的損益排名，並直接串接八家門市的月報進行損益分析。
• 庫存健康度：將 SKU 細分為健康、不動銷、滯銷預警與缺貨預警四個層級。

魔鬼藏在細節裡：用 AI 抓出系統異常

儀表板再怎麼強大，對於零售公司而言，有一件極為關鍵的事：系統資料是否正確？從採購、進貨到銷售與寄出，難免會遇到輸錯金額、數量，或是退貨成本未正確扣除導致分攤異常的狀況。

為了解決這個防不勝防的痛點，我們試著讓「龍蝦」幫忙執行自動查核：抓出進貨成本為 0，或是與其他同商品訂單相比，進貨金額差異大於或小於 15% 的進貨單，全數列出。基本上異常的訂單資料就能被輕鬆抓出，這對我們查核真實交易資訊與獲利細節帶來了極大的助益。

專屬的 AI 營運助手：熊古錐

最讓大家驚喜的是，每張報表的右下角都掛了一個名為「熊古錐」的 AI 對話框。它不僅能幫忙分析當前的頁面數據，更能作為引導使用者「如何使用這個儀表板」的專屬助手。

透過 AI 的協助，替想不同國際打破了系統商與客製化的兩難，將龐雜的 ERP/POS 數據攤平在同一個 BigQuery 底層上，第一次讓我們所有的營運面向能在同一個螢幕上被清晰查看。

事情當然不會就這樣結束了，其他散落的廣告數據、網站流量、客服對話分析等等的工具，也緊接著上場！

接著看下一篇：老闆拿到 OpenClaw 後：把會員、流量、廣告、客服、YouTube 串成一條完整零售情報鏈，零售生意有了「全鏈視角」