PROJECT 05

問卷 AI Dashboard：報表規劃不必等資料收完

傳統流程是「設計問卷 → 等回收 → 才知道報表長怎樣」。這個自建原型把它翻轉：使用者在問卷後台對目標問卷啟用功能，AI 讀取問卷結構，30 秒內產出含交叉分析的完整報表框架——圖表配置與文字洞察都有；人調整方向，資料回收後自動填入，洞察報告即完成。

LLMPrompt EngineeringGemini APIReactPythonDocker

角色：發現痛點・提案・獨立開發（前後端＋容器化）

它怎麼運作

離職前幾個月的提案與原型：使用者在問卷後台直接對目標問卷啟用此功能，後端自動讀取該問卷的結構（題目、選項、邏輯），30 秒內產出一份含交叉分析的完整報表框架——圖表配置與文字洞察都有；使用者調整框架後，實際填答資料再流進來。傳統流程「設計問卷 → 等回收 → 才知道報表長怎樣」被翻轉成「問卷設計完，洞察就規劃好了」。

整體流程（高階視角）

flowchart LR
  A["匯入問卷題目"] --> B["AI 30 秒產出
整份報表框架"]
  B --> C["人來調整
圖表與分析角度"]
  C --> D["資料回收後
自動填入"]
  D --> E["洞察報告完成"]

問卷洞察 AI 報表輸出 — 原型實際輸出：顧客回饋洞察報告——章節導覽、AI 洞察摘要（正向／警示／中性）、量化指標卡與評分排行圖表

工程視角：技術時序圖（點開展開）

sequenceDiagram
  autonumber
  actor U as 使用者
  participant FE as 前端(React)
  participant BE as 後端(Python)
  participant G as Gemini API
  U->>FE: 匯入問卷結構(題目/選項/邏輯)
  FE->>BE: 解析請求
  BE->>G: 產生報表框架(交叉分析/圖表配置/文字洞察)
  G-->>BE: 框架定義(JSON)
  BE-->>FE: 渲染 Dashboard 框架
  U->>FE: 調整圖表與分析角度(人定方向)
  Note over U,FE: 問卷回收後
  FE->>BE: 實際填答資料流入
  BE-->>FE: 報表完成——含章節/洞察摘要/量化卡/圖表

技術棧：Gemini API × React 前端 × Python 後端 × Docker。同一時期我也參與了 SurveyCake AI 產品線規劃：AI 問卷生成、AI Dashboard、SurveyCake MCP。

這件作品證明了什麼

三合一示範

產品 sense：發現「報表要等資料」這個被視為理所當然的痛點
售前功力：把重新想像的工作流提案到讓團隊買單
工程實作：前後端＋AI 整合＋容器化，自己動手做出來

成果

可運行原型完成並正式提案——報表工作流的重新想像
同期參與 SurveyCake AI 產品線規劃（AI 問卷生成、AI Dashboard、MCP）

← 上一個：問卷數據工程下一個：自建工具集 →