你的數字該找誰覆核？三個條件決定找內部還是外部
你把訂單資料倒進 AI，回購率、客單價都算出來了，報告完整，讀起來也合理。接下來你要拿這個數字調整明年的會員預算。
數字檢查與覆核這件事本身沒什麼好討論的，該做就是要做。比較難的是找誰。
以我的經驗，公司裡如果有符合下面三個條件的人，讓他先看過一遍，通常比找外面的人有用。三個條件有缺，才是外部的人能派上用場的時候。
以下這三個條件是我這些年經驗整理，提供參考。
數字沒有被看過一遍，會發生什麼？
同一份乾淨的訂單資料，光是「分母要不要把新客算進去」這一個選擇，回購率就可以差 6 個百分點（回購率怎麼算那篇有完整的計算）。29% 和 35%，這個差距大不大，要看你拿它來做什麼。
麻煩的其實不是這 6 個百分點，是報告上不會寫它用的是哪一種算法。當你拿它跟去年比、跟同業比，或是交給下一個接手的人，比較的基準可能根本不一樣。
而且這種錯誤不會自己浮出來。它不像系統當機那樣當場報錯，會安靜地待在報告裡，等到預算花完、活動辦完、數字還是沒動的時候，才會有人回頭問「當初那個數字是怎麼算的」。
《哈佛商業評論》2026 年 3 月有份關於 AI 腦過載的研究裡，出現腦過載的人，重大錯誤的發生頻率比其他人高 39%，而研究對重大錯誤的定義是「會影響安全、結果或重要決策的錯誤」（這份研究在當 AI 越來越聰明，你覺得越累還是越輕鬆？裡有完整的引用）。用 AI 用得越深，出錯的等級越高，不是只有打錯字那種錯。
數字沒檢查，花的只是一兩個小時。沒被攔下來的錯誤，可能要等到錢花完才有人發現。
條件一：有人知道你的資料是怎麼長出來的
這裡講的不是看得懂欄位名稱，是知道那些數字當初怎麼被填進去的。
- 這個訂單狀態，是誰在什麼情況下改的？
- 如果組織歷經換系統，前後兩套系統對「訂單完成」的認定一樣嗎？中間那批資料是不是人工補的？
- 客服幫客人重新下單的時候，會不會產生一筆看起來像新客的紀錄？
這些細節有時候不被記錄在系統說明書裡，也不註記在任何一份報表上。它們在做過那件事的人的記憶裡。
而且這種人通常不是主管。最知道資料哪裡髒的，往往是倉管、客服、負責出貨的同事，或者做了很久的門市店長，離現場最近的人，不是職位最高的人。
怎麼判斷有沒有這個條件：想一個具體的問題問問看，例如「我們系統裡的『取消』和『退貨』是怎麼判斷的？」如果三個人給你三個答案，那份報表的分母就還沒有定案。
條件二：那個人願意說，而且說了不會有代價
這一條是三個裡面最難的，而且它不是能力問題，是組織問題。
很多公司其實有人知道數字不對。他可能在會議上聽你講那個回購率的時候，心裡就想「那個算法沒有排除批發單」。但他沒有說。
原因倒也不難理解：因為說了要花時間解釋，解釋完可能還要負責重算；如果那個數字是老闆自己算的，開口就等於指出老闆錯了；更現實的是，那個數字如果已經被講出去、甚至已經拿來做過決定，這時候說出來的人會變成打斷進度的那個人。
這一條對老闆比較不好聽，但還是得講：它成立與否，很大一部分取決於你自己。不是說你做錯了什麼，是位置的問題。決策權在你手上，別人衡量的就不只是「這個數字對不對」，還有「說了之後我要承擔什麼」。你越確定、講得越肯定，這個成本就越高。
我遇過一位主管，他自己很會用 AI，但他知道自己有盲點，所以每次跑完數據，會把原始檔案和他問 AI 的話一起交給熟悉現場的同事，請對方核對一遍。他不是不會用工具，是清楚工具不會告訴他哪裡不對。
他做的就是主動把材料交出去，而這件事沒有人能替他做。
怎麼判斷有沒有這個條件：回想最近一次，有人跟你說「這個數字可能不太對」是什麼時候？如果想不起來，有兩種可能：你的數字一直都對，或者沒有人敢跟你說。
條件三：指標的定義有寫下來
指的是一份文件，把常看的那幾個指標各自的分子是什麼、分母算誰、期間怎麼切、哪些訂單要排除，都寫在同一個地方。
有這份東西，覆核就變成一件單純的事：拿算出來的數字對照定義，符不符合，一看就知道。沒有的話，每次算都會重新想一次定義，而每次想出來的可能都不一樣。
最容易出事的是多個部門都會用到的數字。像毛利率，財務算的、採購算的、門市算的，如果沒有一份共同的定義，三邊講的可能是三件事（毛利率多少才合理那篇有各種算法的差異）。
三個條件裡，只有這一條是你自己坐下來就能補起來的，而且只要做一次。從最常看的三到五個指標開始就好，其他的之後再補。
怎麼判斷有沒有這個條件：拿同一個指標去問三個人，它的分母算誰。三個答案一樣，代表定義是存在的；不一樣，代表每個人心裡各有一套。
那，再叫一個 AI 檢查行不行？
這是我自己也想過的問題。AI 沒有條件二的限制，你要它挑毛病它就會挑，不會考慮講出來之後要承擔什麼。
問題在於，覆核是否有用，看的是那個檢查夠不夠獨立。換一個 AI，換不掉出題的那個人：兩次提問都是你下的，你沒想到要問的事，第二次一樣不會被問到，同一個盲點會用同樣的方式再出現一次。
還有一類東西，AI 讀不到。這跟有沒有把資料餵給它無關，那件事發生的時候就沒有被正確記下來：客服口頭答應的退換貨，單子上或許不會留下痕跡；月底為了衝業績被壓到下個月才入帳的訂單，系統裡看起來就是下個月的訂單；倉管發現盤點差異，自己開一張調整單補平。
AI 讀到的是已經被改過的那筆紀錄，它沒辦法知道那筆紀錄跟實際發生的事不一樣。
所以條件一跟條件二要落在同一個人身上，才有用。知道實情的人通常不敢說，敢說的 AI 不知道實情。三個條件裡最難的就是這一層。
什麼情況下，內部的人會不夠？
三個條件都有，也不代表所有狀況都能在內部解決。有幾種情形，內部覆核會比較吃力：
要查的事橫跨好幾個部門。 每個人都很清楚自己那一段，但沒有人的位置看得到接起來之後的樣子。資料出問題的地方常常就在接縫上。
問題可能出在制度本身。 像獎金怎麼算、分潤怎麼設計，這類題目內部每個人都是利害關係人，要他中立地說「這個設計有問題」，難度跟條件二是同一種。
剛換完系統。 前後兩套系統對同一個欄位的認定常常不一樣，資料接起來的那段最容易出問題，而且會一路帶到後面每一份報表。這種時候連熟悉現場的同事也是第一次遇到。
三個條件對照下來，你缺的是哪一個？
三個條件同時成立的公司我遇過，不算多。這種情況下覆核的機制其實已經長在公司裡面了，通常會直接建議不用另外找人。
缺第三個最好處理。 自己花半天把定義寫下來就補上了，不需要找任何人。
缺第一個，要補的是內部的紀錄跟交接。 外部的人再熟悉指標，也不會比在現場十年的倉管更知道那批資料哪裡怪。不過外部的人有另一種用處：知道該去問誰、該問哪一題，這會比自己從頭摸索快一些。
缺第二個比較麻煩。 因為那不是找到一個懂數字的人就能解決的，你需要的是一個講出「這個數字不對」不用付出代價的人。這種角色在公司內部通常很稀缺，而它偏偏是三個條件裡最關鍵的一個。
如果你正在看一份自己不太確定的數字，想找人一起看一眼：
60分鐘諮詢，幫你解一個問題
常見問題
Q：我自己用 AI 算的數字，該找誰覆核？
A：先看公司裡有沒有這樣的人——知道那些資料當初是怎麼被填進去的、願意直說、而且你們的指標定義有寫下來。三個條件都有，內部覆核通常就夠了；缺了條件，外部的人比較能幫上忙。
Q：再叫另一個 AI 幫我檢查一次，不行嗎？
A：AI 願意說，這點沒問題，你要它挑毛病它就會挑。但兩次提問都是你下的指令，你沒想到要問的事，第二次一樣問不到。而且有些資料在系統裡的紀錄本身就是錯的（口頭答應的退換貨、被壓到下個月才入帳的訂單），AI 讀到的是改過的那一筆。知道實情的人通常不敢說，敢說的 AI 不知道實情。
Q：找誰覆核比較好？
A：優先找離現場最近的人，不是職位最高的人。倉管、客服、出貨人員、資深店長，通常比報表系統更知道資料哪裡髒。他們不一定懂統計，但他們知道那個欄位當初是怎麼填的。
Q：公司沒有人可以覆核怎麼辦？
A：先看是哪一種「沒有」。如果是沒有人知道資料細節，要補的是內部的紀錄與交接；如果是有人知道但沒有人願意說，要處理的是說真話的成本，這個比較難，也是外部的人比較容易介入的地方。
Q：什麼情況下內部覆核會不夠，需要找外部的人？
A：例如要查的事橫跨好幾個部門、沒有人看得到接起來的全貌；問題可能出在制度本身，內部每個人都是利害關係人；剛換完系統，前後兩套的欄位認定不一樣，熟悉現場的同事也是第一次遇到。
本文作者有 18 年企業現場營運管理經驗，專注中小零售業的指標診斷與獲利結構優化。
延伸閱讀