Automatisera rapportering: från manuella KPI:er till dashboards

På PEYS möter vi ofta samma scenario: en controller eller marknadsansvarig som lägger tre till fem timmar varje vecka på att kopiera siffror från olika system in i ett Excel-ark. Det går att bygga bort helt. I det här inlägget går vi igenom hur du automatiserar rapportering med n8n, Google Sheets API och Looker Studio, och vad det faktiskt sparar i tid.

Problemet med manuell rapportering

Manuell KPI-rapportering är repetitiv och felkänslig. Någon loggar in i Google Analytics, exporterar en CSV, klistrar in i Sheets, formaterar om, och skickar vidare i ett mejl eller en PDF. Görs det varje vecka blir det snabbt 150-250 timmar per år för en enda rapport.

Problemet är inte bara tiden. Data blir gammal redan när rapporten skickas ut, och besluts fattas ofta på siffror som är flera dagar inaktuella. Vi har sett kunder i Eskilstuna-regionen som fattade budgetbeslut baserat på förra veckans data, trots att verksamheten förändrades dagligen.

Så bygger vi automatiseringen

Vi delar upp arbetet i tre steg: datakällor, aggregering och visualisering.

Först kopplar vi ihop källorna, ofta CRM, e-handelsplattform, annonskonton och ekonomisystem, via API:er i n8n. n8n fungerar som navet som hämtar data på schemalagda intervaller, till exempel varje natt eller var 15 minut för mer tidskritiska KPI:er.

Därefter aggregerar vi datan. Här använder vi ofta Google Sheets API som mellanlager, eftersom det ger transparens och gör det lätt för teamet att felsöka om en siffra ser konstig ut. n8n skriver strukturerad data direkt till specifika flikar, och vi bygger enkla formler för summeringar, snittvärden och trender.

Sista steget är visualisering i Looker Studio, som kopplas direkt mot Google Sheets eller mot en databas om volymerna är större. Där bygger vi dashboards med de KPI:er som faktiskt styr beslut, inte alla siffror som går att mäta.

Verktygen i praktiken

n8n är ryggraden. Det är open source, självhostat om ni vill, och har färdiga noder för de flesta system: HubSpot, Shopify, Meta Ads, Fortnox med flera. Vi bygger flöden visuellt utan att skriva mycket kod, vilket gör det enkelt att underhålla efteråt.

Google Sheets API fungerar som ett flexibelt lager mellan rådata och dashboard. Looker Studio är gratis, kopplar direkt till Sheets, BigQuery och en lång rad andra källor, och ger realtidsuppdatering utan att någon behöver klicka på "uppdatera".

Tid före och efter

Ett konkret exempel från en kund inom detaljhandel: innan automatiseringen tog veckorapporten cirka 4 timmar att sammanställa manuellt, plus ytterligare tid för korrigeringar när siffror inte stämde. Efter att vi byggt om flödet i n8n tar det 0 minuter manuellt arbete. Rapporten uppdateras automatiskt varje morgon och dashboarden i Looker Studio är alltid aktuell.

Det handlar inte bara om tidsbesparing. Ledningen fattar beslut på färsk data istället för förra veckans siffror, och risken för mänskliga fel i copy-paste-processen försvinner helt.

Sammanfattning

Att automatisera rapportering är sällan tekniskt komplicerat, det handlar om att kartlägga datakällorna rätt och bygga flöden som är robusta över tid. Vill du se hur ett automatiserat rapporteringsflöde skulle se ut för er verksamhet? [Kontakta oss](/vad-vi-gor) och berätta vilka KPI:er ni rapporterar på idag.