Du uppdaterar en lista på ett ställe, glömmer det andra, och plötsligt litar ingen på siffrorna. Sedan kommer “snabbkollen” som förvandlas till en långsam, manuell granskning över flikar, filter och copy-paste.
Det här problemet med Sheets Airtable-synk drabbar driftschefer och lagerteam först, men marketing ops och byråfolk som underhåller kundlistor känner av det också. Utfallet är enkelt: en felfri ändringslista som säger vad du ska lägga till, vad du ska uppdatera och vad du ska ta bort.
Det här n8n-flödet visar hur du jämför två dataset på ett tillförlitligt sätt, så att du slutar gissa och börjar agera på faktiska förändringar.
Så fungerar den här automatiseringen
Hela n8n-flödet, från trigger till slutresultat:
n8n Workflow Template: Google Sheets + Airtable: se ändringar direkt
flowchart LR
subgraph sg0["Manual Audit Launch Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Manual Audit Launch", pos: "b", h: 48 }
n1@{ icon: "mdi:cog", form: "rounded", label: "➕ Create in Warehouse B", pos: "b", h: 48 }
n2@{ icon: "mdi:swap-vertical", form: "rounded", label: "Primary Warehouse Records", pos: "b", h: 48 }
n3@{ icon: "mdi:cog", form: "rounded", label: "✅ No Action Needed", pos: "b", h: 48 }
n4@{ icon: "mdi:cog", form: "rounded", label: "🔄 Sync Warehouse B", pos: "b", h: 48 }
n5@{ icon: "mdi:cog", form: "rounded", label: "❌ Purge from Warehouse B", pos: "b", h: 48 }
n6["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/compare.svg' width='40' height='40' /></div><br/>Dataset Comparison"]
n7@{ icon: "mdi:swap-vertical", form: "rounded", label: "Secondary Warehouse List", pos: "b", h: 48 }
n8@{ icon: "mdi:swap-vertical", form: "rounded", label: "Expand Products B", pos: "b", h: 48 }
n9@{ icon: "mdi:swap-vertical", form: "rounded", label: "Expand Products A", pos: "b", h: 48 }
n0 --> n2
n0 --> n7
n6 --> n1
n6 --> n3
n6 --> n4
n6 --> n5
n9 --> n6
n8 --> n6
n7 --> n8
n2 --> n9
end
%% Styling
classDef trigger fill:#e8f5e9,stroke:#388e3c,stroke-width:2px
classDef ai fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
classDef aiModel fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px
classDef decision fill:#fff8e1,stroke:#f9a825,stroke-width:2px
classDef database fill:#fce4ec,stroke:#c2185b,stroke-width:2px
classDef api fill:#fff3e0,stroke:#e65100,stroke-width:2px
classDef code fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
classDef disabled stroke-dasharray: 5 5,opacity: 0.5
class n0 trigger
classDef customIcon fill:none,stroke:none
class n6 customIcon
Problemet: manuella granskningar skalar inte
Att hålla Google Sheets och Airtable synkade låter enkelt tills listan växer, flera personer rör den och “en liten ändring” blir en hel uppsättning avvikelser. Du slutar med att skanna rader, sortera på uppdateringsdatum (om du ens har ett) och hoppas att du inte missade ett smygbyte av namn eller en dubblett. Den verkliga kostnaden är inte bara tid. Det är den mentala belastningen av att dubbelkolla, mötena som uppstår av motstridiga rapporter och det tysta beslutet att sluta underhålla den “sekundära” listan eftersom det är för irriterande.
Det eskalerar snabbt. Här är var det faller isär i verkligheten.
- Att kopiera rader mellan verktyg äter upp ungefär en timme i veckan när listan blir aktiv.
- Små ändringar (som ett omdöpt SKU eller en korrigerad e-postadress) är svåra att upptäcka, så “uppdateringar” missas.
- Extra poster ligger kvar i fel system, vilket gör att folk fortsätter använda föråldrade data.
- När två källor säger olika lägger du tid på att debattera vilken som är sanningen.
Lösningen: jämför dataset och skapa en ändringslista
Det här flödet använder n8n:s Compare Datasets-nod som en praktisk “revisor” mellan två listor. Du startar det, det laddar ett primärt dataset (din sanningkälla) och ett sekundärt dataset (listan du vill hålla synkad), och jämför dem sedan med en matchningsnyckel (i den här mallen product_id). Efter jämförelsen routas varje post till en av fyra hinkar: bara i den primära listan (behöver skapas i den sekundära listan), identisk i båda (ingen åtgärd), finns i båda men skiljer sig (behöver uppdateras), eller bara i den sekundära listan (behöver sannolikt raderas). Slutresultatet är tydlighet. Du stirrar inte på två kalkylark längre. Du tittar på beslut.
Flödet startar med en manuell körning, hämtar in två listor och delar sedan upp dem i enskilda objekt så att de kan jämföras på ett strukturerat sätt. Därefter sorterar n8n resultaten i spåren “create”, “no action”, “sync/update” och “purge/delete”, så att du kan hantera varje grupp på olika sätt.
Det du får: automatisering vs. resultat
| Vad det här flödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du underhåller en produktlista med 500 rader i Airtable och en förenklad version i Google Sheets för veckorapportering. Att manuellt kontrollera “vad som ändrats” betyder oftast att filtrera, sortera och skanna, vilket lätt tar runt 45 minuter varje vecka. Med det här flödet kör du granskningen på cirka 2 minuter och granskar sedan bara posterna i hinkarna “create”, “update” och “delete”. I stället för att inspektera 500 rader kanske du bara behöver röra 20 som faktiskt ändrats.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
- Google Sheets för din sekundära lista eller rapportkopia
- Airtable för att lagra posterna i din sanningkälla
- Ingen API-nyckel krävs (den här mallen körs fristående)
Kunskapsnivå: Nybörjare. Du bör vara bekväm med att mappa några fält och välja en matchningsnyckel som product_id.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Manuell start av granskning. Du klickar Execute i n8n (eller triggar den vid begäran) när du vill köra en granskning. Perfekt för veckokontroller, granskning inför lansering eller “något ser fel ut”-lägen.
Två listor laddas. Flödet tar in dina primära poster och dina sekundära poster (i den här tutorialmallen skapas de med Set-noder så att du kan lära dig mönstret utan inloggningsuppgifter).
Poster expanderas för strukturerad jämförelse. Varje dataset delas upp i enskilda objekt så att Compare Datasets kan matcha post mot post med en stabil nyckel, som product_id.
Ändringar sorteras i åtgärdshinkar. Compare Datasets-noden ger fyra utgångar, som kopplas till grenarna “create”, “no action”, “sync/update” och “purge/delete”, redo för dig att ersätta med riktiga skrivsteg till Airtable och Google Sheets.
Du kan enkelt ändra matchningsnyckeln och uppdateringslogiken så att den passar din datamodell. Se hela implementeringsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera den manuella triggern
Det här arbetsflödet startar med en manuell körning för att dra igång lagergranskningsprocessen.
- Lägg till noden Manual Audit Launch som din trigger.
- Anslut Manual Audit Launch till både Primary Warehouse Records och Secondary Warehouse List så att de körs parallellt.
- Bekräfta att körflödet visar: Manual Audit Launch skickar utdata till både Primary Warehouse Records och Secondary Warehouse List parallellt.
Tips: Sticky note Flowpast Branding är valfri och används endast för dokumentation.
Steg 2: Anslut data från primärlagret
Definiera primärlagrets produktlista för jämförelse.
- Öppna Primary Warehouse Records.
- I Assignments, lägg till ett fält med namnet products med typen array.
- Ställ in värdet till
=[{"product_id":"P-001","name":"Keyboard","stock":200},{"product_id":"P-002","name":"Mouse","stock":150},{"product_id":"P-003","name":"Webcam","stock":75}]. - Anslut Primary Warehouse Records till Expand Products A.
Steg 3: Anslut data från sekundärlagret
Definiera sekundärlagrets produktlista för jämförelse.
- Öppna Secondary Warehouse List.
- I Assignments, lägg till ett fält med namnet products med typen array.
- Ställ in värdet till
=[{"product_id":"P-001","name":"Keyboard","stock":200},{"product_id":"P-002","name":"Mouse","stock":100},{"product_id":"P-004","name":"Monitor","stock":50}]. - Anslut Secondary Warehouse List till Expand Products B.
Steg 4: Sätt upp logik för bearbetning och jämförelse
Dela upp varje produktlista och jämför poster baserat på produkt-id.
- Öppna Expand Products A och ställ in Field to Split Out till
products. - Öppna Expand Products B och ställ in Field to Split Out till
products. - Anslut Expand Products A till Dataset Comparison input 1, och Expand Products B till Dataset Comparison input 2.
- I Dataset Comparison, ställ in Merge By Fields för att jämföra
product_idfrån båda datamängderna.
⚠️ Vanlig fallgrop: Säkerställ att båda split-noderna använder exakt samma fältnamn products, annars kommer jämförelsenoden att ta emot tomma items.
Steg 5: Konfigurera noder för utdata/åtgärd
Styr jämförelseresultaten till rätt åtgärdsvägar.
- Bekräfta att Dataset Comparison output 1 är ansluten till ➕ Create in Warehouse B för items som saknas i B.
- Bekräfta att Dataset Comparison output 2 är ansluten till ✅ No Action Needed för matchade items.
- Bekräfta att Dataset Comparison output 3 är ansluten till 🔄 Sync Warehouse B för items som inte matchar.
- Bekräfta att Dataset Comparison output 4 är ansluten till ❌ Purge from Warehouse B för items som bara finns i B.
Steg 6: Testa och aktivera ert arbetsflöde
Kör ett manuellt test för att verifiera att jämförelsen och routningen fungerar.
- Klicka på Execute Workflow och verifiera att Manual Audit Launch triggar båda datagrenarna.
- Kontrollera att Dataset Comparison skapar items i rätt outputs baserat på matchning av
product_id. - Verifiera att ➕ Create in Warehouse B, ✅ No Action Needed, 🔄 Sync Warehouse B och ❌ Purge from Warehouse B tar emot förväntade items.
- När ni är nöjda, slå på arbetsflödet till Active för användning i produktion.
Vanliga fallgropar
- Google Sheets-inloggningsuppgifter kan gå ut eller kräva specifika behörigheter. Om det strular, kontrollera först n8n:s Credential-vy och delningsåtkomst i Google-kontot.
- Om du använder Wait-noder eller extern rendering varierar bearbetningstider. Öka väntetiden om efterföljande noder misslyckas på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din tonalitet tidigt, annars kommer du redigera utdata för alltid.
Vanliga frågor
Cirka 30 minuter när du väl vet din matchningsnyckel.
Nej. Du kommer främst att mappa fält och välja postnyckeln. Kod är valfritt om du vill ha mer avancerade rensningsregler.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis testperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in användning av Airtable och Google Sheets (ofta 0 USD vid typiska volymer).
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och hanterar n8n bra. Self-hosting ger dig obegränsat antal körningar men kräver grundläggande serverhantering.
Ja, men gör det försiktigt. Den här mallen är perfekt för synk där “A är sanningkällan”: du agerar på “endast i A”, “olika” och “endast i B”. För tvåvägssynk kör du vanligtvis två jämförelser (A→B och B→A) och lägger till konfliktregler, som “senaste updated_at vinner”, så att du inte skriver över nyare ändringar.
Oftast är det behörigheter eller en utgången OAuth-session. Anslut om Google Sheets-uppgiften i n8n och bekräfta sedan att arket är delat med samma Google-konto. Om du kör detta i en företagsworkspace kan administratörsbegränsningar blockera åtkomst, så kontrollera även inställningarna för appåtkomst i workspacen.
För de flesta listor i småföretag (hundratals till några tusen rader) kör den utan problem.
Ofta ja, eftersom datasetjämförelse är hela poängen här. Zapier och Make är grymma för enkla triggers, men det kan bli klumpigt när du behöver logiken “jämför två hela listor och förgrena sedan till lägg till/uppdatera/ta bort”. n8n:s Compare Datasets-mönster gör resultatet tydligt och repeterbart, och du kan self-hosta om du vill ha obegränsade körningar. Om du redan lever i Zapier för allt annat kan du fortfarande göra det där, men det brukar kräva fler steg. Prata med en automationsexpert om du vill ha hjälp att välja.
När du väl har en tillförlitlig ändringslista slutar synk vara en uppgift du bävar för och blir en snabb rutin. Flödet sköter den repetitiva kontrollen så att du kan fokusera på vad förändringarna faktiskt betyder.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.