Du hämtar Taiwans marknadspriser, klistrar in dem i ett kalkylark och på något sätt blir den “snabba kontrollen” till en stökig timme av att fixa datum, dubbletter och kolumner som inte linjerar.
Marknadsanalytiker som försöker se pristrender märker det direkt. Småföretagare som köper råvaror känner det i marginalerna. Och driftteam som följer veckovisa leverantörer fastnar i samma loop. Den här automatiseringen för marknadspriser lägger felfria transaktionsrader i Google Sheets så att du kan visualisera och dela utan att barnvakta datan.
Det här flödet hämtar jordbrukstransaktionsdata från Taiwans öppna dataplattform, delar upp den i rader och lägger till den i ett strukturerat ark (med en enkel väg till Excel-exporter). Du ser vad det gör, vad du behöver och var man oftast kör fast.
Så fungerar automatiseringen
Hela n8n-flödet, från trigger till slutligt resultat:
n8n Workflow Template: Google Sheets + Excel: rensad prisdata för Taiwan
flowchart LR
subgraph sg0["When clicking ‘Test workflow’ Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "When clicking ‘Test workflow’", pos: "b", h: 48 }
n1["<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/httprequest.dark.svg' width='40' height='40' /></div><br/>HTTP Request"]
n2@{ icon: "mdi:swap-vertical", form: "rounded", label: "Split Out", pos: "b", h: 48 }
n3@{ icon: "mdi:database", form: "rounded", label: "Google Sheets", pos: "b", h: 48 }
n2 --> n3
n1 --> n2
n0 --> n1
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
class n3 database
class n1 api
classDef customIcon fill:none,stroke:none
class n1 customIcon
Problemet: prisdata är “tillgänglig”, men inte användbar
Taiwans jordbruksmarknadsdata finns där, men att få in den i ett kalkylark som du faktiskt kan använda är en helt annan sak. Du laddar ner eller kopierar JSON, öppnar en CSV eller skrapar en tabell, och sedan börjar du rensa. Datum kommer i märkliga format. Siffror dyker upp som text. Du får dubblettrader eftersom du råkade hämta samma dag två gånger, och plötsligt ljuger ditt diagram för “genomsnittspris”. Den verkliga kostnaden är inte bara tiden. Det är den gnagande känslan av att datan är lite fel, vilket gör att beslut försenas eller tas på magkänsla.
Det bygger snabbt upp. Här är var det brukar skapa fel i verkligheten.
- Copy-paste-flöden smyger in dubbletter, särskilt när du kör om ett datumintervall för att “vara säker på att du inte missade något”.
- Manuell rensning blir en veckoritual, och den är svår att delegera eftersom alla “rensar på sitt sätt”.
- Samma dataset återskapas för diagram, rapporter och exporter, vilket betyder att du gör samma jobb mer än en gång.
- När datan kommer sent kommer analysen sent också, och folk slutar lita på kalkylarket som sann källa.
Lösningen: hämta automatiskt Taiwans transaktioner till Sheets
Det här n8n-flödet gör Taiwans API för jordbrukstransaktioner till en strukturerad, upprepningsbar pipeline som fyller ditt Google-ark åt dig. Du klickar på en knapp för att köra (manuell trigger), och n8n anropar Taiwan Agricultural Products Open Data Platform API med ditt valda datumintervall och marknadsnamn. Svaret kommer tillbaka som en lista med transaktioner som innehåller priser (högsta, mitten, lägsta, genomsnitt), kvantiteter och gröd-/marknadsdetaljer. n8n delar sedan upp listan i enskilda poster så att varje transaktion blir en rad. Till sist lägger den till de mappade fälten i ett strukturerat Google-ark, redo för diagram, pivottabeller, dashboards eller export till Excel när någon ber om “en fil”.
Flödet startar när du kör det manuellt i n8n. Därefter hämtar det transaktioner från Open Data-API:t och delar upp svaret till poster i radstorlek. Sist lägger det till varje rad i Google Sheets så att du alltid har ett konsekvent, frågebart dataset.
Det här får du: automatisering vs. resultat
| Vad det här flödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du följer en marknad (台北二) under en månad och uppdaterar den en gång i veckan. Manuellt kan du lägga cirka 20 minuter på att hämta datan, 20 minuter på att dela upp den i rader och sedan ytterligare 20 minuter på att fixa kolumner och ta bort dubbletter. Räkna med ungefär 1 timme per uppdatering, alltså cirka 4 timmar i månaden. Med det här flödet klickar du på kör, väntar en minut på API:t och uppdelningen i rader, och ditt Google-ark uppdateras automatiskt. Det blir närmare 5 minuter “kontrollera resultatet”, inte en timme av kalkylarksoperation.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
- Google Sheets för att lagra och dela rensade transaktionsrader.
- Microsoft Excel 365 för att exportera och leverera Excel-filer vid behov.
- Taiwan Open Data API-nyckel (hämta den från Taiwan Agricultural Products Open Data Platform).
Svårighetsgrad: Nybörjare. Du klistrar in en API-nyckel, väljer ett ark och bekräftar att kolumnerna matchar.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (kostnadsfri 15-minuters konsultation).
Så fungerar det
Du kör det när du vill. Flödet använder en Manual Trigger, så du bestämmer när du vill uppdatera ditt dataset (slutet av dagen, veckovis, inför en kundrapport).
n8n hämtar data från Taiwans plattform. En HTTP Request-nod anropar Open Data-API:t med dina parametrar (starttid, sluttid, marknadsnamn och din API-nyckel). Vill du ha en annan marknad eller ett annat datumfönster uppdaterar du indata och kör igen.
Varje transaktion blir en rad. API:t returnerar en lista, och flödet delar upp “Data”-arrayen till enskilda objekt så att du inte får en klump JSON i en enda cell.
Ditt ark förblir strukturerat. Google Sheets-noden lägger till mappade fält som TransDate, CropCode, CropName, Upper_Price, Middle_Price, Lower_Price, Avg_Price och Trans_Quantity i rätt kolumner. När det väl ligger i Sheets kan du visualisera det, dela det eller exportera till Excel 365.
Du kan enkelt ändra marknadsnamn och datumintervall så att det matchar din rapportcykel. Se hela implementeringsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera den manuella triggern
Konfigurera den manuella triggern så att ni kan köra workflowet vid behov när ni testar processen för datasynk.
- Lägg till noden Manual Start Trigger som workflowets startpunkt.
- Lämna standardinställningarna som de är för att möjliggöra manuella körningar.
Steg 2: Anslut den externa API-källan
Konfigurera API-anropet för att hämta prisdata för jordbruksprodukter från myndighetens data-endpoint.
- Lägg till External API Request och koppla den efter Manual Start Trigger.
- Ställ in URL på
https://data.moa.gov.tw/api/v1/SheepQuotation. - Aktivera Send Query och Send Headers.
- Under Query Parameters, lägg till:
- Start_time =
2024/12/01 - End_time =
2024/12/31 - MarketName =
台北二 - api_key =
[CONFIGURE_YOUR_API_KEY]
- Start_time =
- Under Header Parameters, lägg till accept =
application/json.
[CONFIGURE_YOUR_API_KEY] med er riktiga nyckel, annars kommer anropet att misslyckas.Steg 3: Konfigurera uppdelning av poster
Dela upp API-svaret så att varje objekt i datasetet behandlas som en egen rad.
- Lägg till Separate Records och koppla den efter External API Request.
- Ställ in Field To Split Out på
Data.
Steg 4: Konfigurera utdata till kalkylark
Lägg till varje uppdelad post i ert Google Sheet med automatisk mappning.
- Lägg till Append to Spreadsheet och koppla den efter Separate Records.
- Inloggningsuppgifter krävs: Anslut era
googleSheetsOAuth2Api-uppgifter. - Ställ in Operation på
append. - Välj Document med ID
[YOUR_ID]och Sheet inställt pågid=0(Sheet1). - Behåll Mapping Mode som
autoMapInputDataoch säkerställ att era kolumner i arket matchar fält som TransDate, CropName och Avg_Price.
Steg 5: Testa och aktivera ert workflow
Kör ett manuellt test för att verifiera att data flödar från API:et till ert kalkylark, och aktivera sedan för produktionsanvändning.
- Klicka på Execute Workflow och bekräfta att Manual Start Trigger initierar körningen.
- Verifiera att External API Request returnerar JSON med en
Data-array och att Separate Records ger ut ett objekt per rad. - Kontrollera målets Google Sheet för att bekräfta att nya rader läggs till av Append to Spreadsheet.
- När ni är nöjda, växla workflowet till Active för löpande användning.
Vanliga fallgropar
- Google Sheets-inloggningar kan löpa ut eller kräva specifika behörigheter. Om något skapar fel, kontrollera först Google-anslutningen i n8n:s panel för Credentials.
- Om du använder Wait-noder eller extern rendering varierar bearbetningstiderna. Öka väntetiden om nedströmsnoder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din varumärkeston tidigt, annars kommer du redigera utdata för alltid.
Vanliga frågor
Cirka 30 minuter om du redan har din API-nyckel och ett Google-ark klart.
Nej. Du klistrar in inloggningar och mappar kolumner i Google Sheets. Kan du följa en checklista kan du sätta upp det.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volymer. Du behöver också ta höjd för Taiwans Open Data API:s användningsgränser (det är oftast gratis, men nycklar kan hastighetsbegränsas).
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 obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det är huvudorsaken till att flödet är användbart. Ändra query-parametrarna i HTTP Request (Start_time, End_time och MarketName) så att de matchar ditt rapportfönster. Om du vill hämta flera marknader i en körning duplicerar du requesten och slår ihop resultaten innan splitten “Separate Records”. Du kan också lägga till en enkel kontroll i n8n för att undvika att lägga till rader som redan finns (till exempel matchning på TransDate + CropCode + MarketCode).
Oftast handlar det om en utgången Google-auktorisering eller att arket inte är delat med det Google-konto som är kopplat. Återanslut Google Sheets-uppgiften i n8n och bekräfta sedan att Document ID och arknamn matchar exakt. Kontrollera också att din Google Drive-åtkomst omfattar redigering, inte bara läsbehörighet. Om det bara fallerar ibland kan du slå i kvotgränser på Google-sidan under rusningstid.
För de flesta månatliga marknadsdataset hanterar den det utan problem i en körning.
Ofta, ja. Det här flödet bygger på ett API-anrop, att dela upp arrayer till rader och tydlig fältmappning, och n8n är helt enkelt bättre på den typen av “dataformad” automatisering utan att tvinga dig upp i dyrare nivåer. Self-hosting är också en stor grej om du vill ha obegränsade körningar för intern rapportering. Zapier eller Make kan fortfarande fungera, men du kan lägga mer tid på att brottas med loopar över objekt och att hålla kostnaderna förutsägbara. Om du är osäker, prata med en automationsexpert så får du en rak rekommendation.
När detta väl rullar blir ditt kalkylark ett levande dataset i stället för ett återkommande måste. Kör det, lita på det, exportera när du behöver och fokusera på arbetet som faktiskt spelar roll.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.