5個Excel小技巧，沒人教就不知道！讓你的報告資料比別人更專業|數位時代 BusinessNext

好圖表和壞圖表有一個顯著的差異：好的圖表會表達出自己的觀點，不只是資料整理的結果。

有時明明有很多想法，但很難在圖表上說明，所以只好在圖上附註文字，或是口頭說明，反而喪失了作圖的簡潔。本篇介紹了圓餅圖、長條圖、折線圖和Excel資料表格視覺化的技巧，用圖來表達觀點，報告的時候看起來更聰明。

1. 圓餅圖中央的空間要好好利用！

只要插入一個圓形就可以表達觀點

下表為某連鎖手搖飲料品牌在台北4間分店的營業額與占比。此時通常會把總金額放在最上面，但你也可以放在圓餅圖的正中間，也就是視覺的中心。怎麼做呢？只要把圓餅圖的中間插入一個白底的圓形，再插入文字方塊，就可以在圓餅圖的中間寫字，同時維持圖表的簡潔性。

2. 圖例可以放在圖表上！

讓圖更清爽簡潔

某服裝品牌在台北4間分店每月的營業額畫成堆疊長條圖，每個顏色代表一間店，圖例（哪個顏色代表哪間店）通常出現在圖的旁邊。這時，只要點選圖中的一個色塊，就可以編輯這一塊的文字。把圖例填入長條之後，就可以拿掉圖例囉。拿掉圖例的方法：點選整張圖，選右側的十字，把圖例的勾勾取消。

3. 圓餅圖每塊不一定要不同顏色！

同類型的用相近顏色可以更快看出對比

下圖是服飾店的品項銷售記錄，因為項目很多，直接用圓餅圖呈現，看起來雜亂無章。你可以把小的類別集合成更大的類別，例如把衣服分成「男裝」和「女裝」。然後點選任一塊餅，在右側的色彩欄裡選實心填滿，再選顏色就可以囉。

如圖所示，把男生的服飾都用橘色系、女生的服裝用藍色系，一眼就可以看出來店內男女裝的銷售比例。

4. 讓Excel表視覺化！

用顏色深淺來表示數據

下表為某餐飲品牌全台分店的營業狀況。因為店家數很多，不管用圓餅圖或長條圖都很難比較。此時，你可點選整張表，然後選「設定格式化的條件」>>>「色階」>>>「綠白色」，表格就會依照數據的大呈現出深淺不同的顏色。

視覺化之後，一眼就可以看出來台中店的業績優於其他分店，也可以看出來以各月份相比較，10月的業績普遍比較好。

5. 圖表灰階列印也OK！

折線圖除了顏色還有標誌可以用

下表示某健身會館全台4間分館的新增會員數。折線圖上可以看出台中和台南表的新增會員數比較多，台北和新竹分館比較少。不過，有時折線圖的線一多，顏色會混在一起很難區別，例如紫色和藍色的視覺其實相當接近。或者圖是彩色的，但是印成紙本講義的時候變成黑白的，每條線看起來都一樣了。

只要點選任一條線雙點擊，在「標記選項」，勾選「內建」，就有各式各樣的標記可以使用囉。只要每條線分配不同的標記，就算印成黑白的也不用擔心了。

延伸閱讀：做專業圖表必備的Excel功能！3個馬上可以學會的小技巧

參考資料：《PRESIDENT》2016.10.17

本文授權轉載自：經理人

一次搞懂EXCEL，《經理人月刊》3期+特刊《商業圖表製作與應用》只要399>>http://bit.ly/2evSeuL

1973 年，良興從台北光華商場一間 50 坪的電子零件行起家，半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過，伴隨規模擴張帶來的不只是成長，還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆，加上跨部門協作頻繁，行政耗損與知識傳承的缺口，成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧，從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營，作為 3C 零售業者，良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能，就是良興第五波轉型的核心命題。」

AI 自動化，從行政細節釋放組織戰力

轉型需要夥伴，而賴志達評估合作夥伴的標準很明確：技術能力是基本，產業知識（Domain Know-how）的深度是關鍵，回饋速度更是最終決定因素。2025 年的未來商務展上，良興選擇攜手 Data-DI，看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的，良興與 Data-DI 合作的第一個專案，就落在最耗費人力、卻最常被忽視的環節：會議記錄。「會議如果沒有產值、沒有效果，對企業很傷！」賴志達說，他每天參加許多會議，但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理，常出現人名誤植、決策遺漏、行動項目無人追蹤，讓會議效果大打折扣。

為了解決會議記錄的痛點，Data-DI 業務副總包威棣指出，在導入工具以前，團隊須先釐清三件事：場景是否具備落地價值、哪些流程節點適合 AI 介入，以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問，都決定 AI 能否精準落地。

確認方向後，良興與 Data-DI 成功導入 AI 會議記錄自動化系統，透過模糊比對技術校正語音辨識誤差，並將生成的雙版本報告直接回存至既有資料庫，不僅將行政人員從重複性作業中釋放，也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享，現在他去外部開會也會用這個工具，運用 AI 把錄音轉文字、再整理成簡報，很快就能完成，更令外部夥伴驚艷。「我認為這是很成功的案子！也提醒想做 AI 的老闆們，與其急著搞大架構，不如先從小工具讓公司嘗試 AI，建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後，良興接著切入更深層的營運核心：知識傳承。過去，頂尖銷售經驗長期鎖在少數資深員工身上，新人培訓耗時三個月，員工離職即帶走知識資本。與此同時，網路資訊發達，消費者進店前早已掌握基本規格，3C 通路門市人員要如何發揮更多價值？「我要門市的人不是死背規格，而是面對客人時，能用客人能理解的方式對話。」賴志達說。

為此，Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡，串接教材生成、審核上架、AI 銷售對練與成績回報，主管僅需在核心節點審核；員工透過手機語音對練，系統依口吻、專業度、回應力等維度自動評分。賴志達表示，目標是將新人培訓期縮短至一個月，讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而，要讓這套系統真正運作，得先解決兩個根本問題：資料從哪裡來？以及訓練如何更準確？

「以前大數據時代，講的是資料要大、全、細、實；現在 AI 要做到的是準（準確）、合（合乎場景）。」包威棣說。良興不同廠商提供的素材品質參差不齊，Data-DI 除了整合內部資料，也補充加入外部市場評測內容以填補空缺，再透過人員審核機制過濾雜訊，搭配 agent 架構的多層步驟與知識限定，確保系統能精準提煉對應品類的訓練素材。

賴志達則看得更遠：「這些教育訓練的內容，也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問，帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中，雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步，賴志達表示，公司各部門很早就建置 Power BI 報表，但數據豐富不等於決策清晰。「數據是土壤，如果沒有梳理，就沒有用了。」因此，他的下一個目標是活化數據資本、推動行銷自動流，以精實的人力持續驅動成長。

包威棣則從顧問視角歸納兩個觀察：AI 導入需要高層認同、由上而下推進，像賴志達這樣持續引領良興走在業界前端的決策者，就是不可或缺的推手；而單點工具的價值，終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構，人員訓練改變了知識傳承的方式。從點狀應用走向企業變革，這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後，對於仍在觀望AI應用的企業，他則建議：「未來 AI 導致的落差只會愈來愈大，人會變成超級工作者，企業會變成超級企業。開始做就對了，先做一個三個月的小任務，降低落差、再急起追上。」從痛點切入、小步快跑，讓組織在實作中累積對 AI 的理解與信任，這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊，請查詢網站：https://www.data-di.com/