Du uppdaterar en lista, någon annan uppdaterar en annan version, och plötsligt vet ingen vilken som är ”rätt”. Sedan börjar den riktiga tidstjuven: jämföra rader, leta dubbletter med blotta ögat och försöka förklara skillnaderna i Slack.
Det här drabbar marketing ops när leadlistor förändras, och byråteam när kunddata ”mystiskt” ändras. Till och med en företagare märker det direkt när en leverantörslista eller ett lagersaldo-ark börjar glida isär. Med Google Sheets Slack-automatisering kan du upptäcka ändringar snabbt och dela bara det som är relevant.
Det här arbetsflödet jämför två datamängder med en gemensam nyckel, flaggar vad som har ändrats och förbereder ett strukturerat ”skillnader”-utdata som du kan skicka till Google Sheets och Slack. Du får se hur det fungerar, vad du behöver och var team oftast kör fast.
Så fungerar den här automatiseringen
Hela n8n-flödet, från trigger till slutligt resultat:
n8n Workflow Template: Google Sheets + Slack: upptäck liständringar snabbt
flowchart LR
subgraph sg0["When clicking "Execute Workflow" Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "When clicking 'Execute Workf..", 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/code.svg' width='40' height='40' /></div><br/>Dataset 1"]
n2["<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/code.svg' width='40' height='40' /></div><br/>Dataset 2"]
n3["<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/>Compare Datasets"]
n1 --> n3
n2 --> n3
n0 --> n1
n0 --> n2
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 n1,n2 code
classDef customIcon fill:none,stroke:none
class n1,n2,n3 customIcon
Problemet: liständringar missas (eller diskuteras sönder)
Att jämföra två listor låter enkelt tills du är personen som ansvarar för uppdateringen. Den ena listan ligger i ett ”final_v3”-kalkylark. Den andra exporterades från ett verktyg, redigerades och klistrades in i ett annat ark. Nu jagar du vad som ändrats, rad för rad. Det går långsamt, det är felkänsligt och det tar fokus från beslut. Än värre: när teamet inte litar på uppdateringen agerar de inte på den, så du får samma diskussion igen nästa vecka.
Det eskalerar snabbt. Här brukar det oftast fallera.
- Du slutar med manuella ”diff-kontroller” som tar cirka 1–2 timmar per uppdateringscykel.
- Folk kopierar/klistrar in i Slack, vilket gör att sammanhanget försvinner och trådarna blir röriga.
- Små ändringar slinker igenom, som en fältuppdatering på en befintlig post, och det är ofta de viktigaste.
- Ingen enskild person kan med säkerhet säga: ”Det här är exakt vad som ändrades”, så teamet tvekar.
Lösningen: jämför datamängder med en gemensam nyckel och publicera skillnaderna
Det här n8n-arbetsflödet skapar två datamängder, jämför dem med ett gemensamt fält (en delad nyckel) och producerar ett utdata som tydligt visar vad som matchar och vad som skiljer sig. I exempelarbetsflödet är nyckeln ”fruit”, men i verklig verksamhet är det oftast något som e-post, SKU, kund-ID eller kampanjnamn. Flödet startar med en manuell körning (klicka för att köra), genererar Dataset Alpha och Dataset Beta och skickar sedan båda till ett steg för datamängdsjämförelse. Jämförelsen identifierar vilka poster som finns i båda datamängderna och var ett fältvärde har ändrats, samt vilka poster som är nya eller saknas. Därifrån kan du skicka bara den strukturerade ”diffen” till ett Google Sheet och posta en sammanfattning i Slack.
Flödet börjar när du kör det i n8n. Två listkällor förbereds (din ”före” och ”efter”), sedan kontrollerar noden Compare Datasets dem mot den gemensamma nyckeln. Till sist skickar du skillnaderna till Google Sheets för spårning och Slack för synlighet, så ingen behöver gissa.
Det du får: automatisering vs. resultat
| Vad det här arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du uppdaterar en lista med 500 rader varje fredag och behöver informera teamet om ändringar. Manuellt lägger de flesta cirka 2 timmar: exportera, sortera, VLOOKUP, skanna efter avvikelser och sedan skriva ett Slack-meddelande. Med det här arbetsflödet kör du automatiseringen (en minut), låter n8n jämföra datamängderna (en till två minuter) och postar en kort sammanfattning plus ett ”diff”-ark. Ofta får du tillbaka din fredag eftermiddag.
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 ändringsloggen.
- Slack för att notifiera teamet med en sammanfattning.
- Google Drive om du hämtar källfiler från Drive.
Kunskapsnivå: Nybörjare. Du kopplar konton och mappar ett gemensamt nyckelfält för matchning.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Du triggar körningen. I exempelarbetsflödet startar det med ett manuellt klick i n8n, vilket är perfekt för test. I produktion byter många team detta till ett schema (Cron) så det kör dagligen eller veckovis utan att någon behöver komma ihåg det.
Två versioner av listan förbereds. Flödet bygger Dataset Alpha och Dataset Beta (”före” och ”efter”). I verklig användning kommer de datamängderna oftast från Google Sheets, en CSV i Drive, en export från ett CRM eller ett API-uttag.
Jämförelsen sker på en gemensam nyckel. Noden Compare Datasets radar upp posterna efter nyckelfältet (exemplet använder fruit). Om nyckeln matchar men ett annat fält ändras (som färg, status, ansvarig, pris) flaggas det tydligt så att du inte missar subtila ändringar.
Resultatet är klart att skicka. När skillnaderna är identifierade kan du skriva ”diff”-raderna till en flik i Google Sheets och skicka ett Slack-meddelande som sammanfattar vad som ändrats. Teamet ser uppdateringen, litar på den och agerar.
Du kan enkelt ändra det gemensamma nyckelfältet så att det matchar din datamodell utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera den manuella triggern
Konfigurera workflowet så att det startar manuellt för testning och jämförelsekörningar.
- Lägg till noden Manual Execution Start som din trigger.
- Anslut Manual Execution Start till både Sample Dataset Alpha och Sample Dataset Beta.
- Bekräfta parallell körning: Manual Execution Start skickar utdata till både Sample Dataset Alpha och Sample Dataset Beta parallellt.
Steg 2: anslut Sample Dataset Alpha
Skapa den första datamängden i en Code-nod för att jämföra den mot den andra datamängden.
- Lägg till noden Sample Dataset Alpha.
- Ställ in fältet JavaScript Code till
return [ { "fruit": "apple", "color": "green", }, { "fruit": "orange", "color": "orange", }, { "fruit": "grape", "color": "green", }, { "fruit": "strawberry", "color": "red", }, { "fruit": "banana", "color": "yellow", } ]; - Anslut Sample Dataset Alpha till Dataset Comparison på input-index 0.
Steg 3: anslut Sample Dataset Beta
Skapa den andra datamängden i en Code-nod så att den kan jämföras med den första.
- Lägg till noden Sample Dataset Beta.
- Ställ in fältet JavaScript Code till
return [ { "fruit": "apple", "color": "green", }, { "fruit": "grape", "color": "purple", }, { "fruit": "orange", "color": "orange", }, { "fruit": "kiwi", "color": "mostly green" }, { "fruit": "banana", "color": "yellow", } ]; - Anslut Sample Dataset Beta till Dataset Comparison på input-index 1.
Steg 4: konfigurera Dataset Comparison
Ställ in jämförelselogiken så att båda datamängderna matchas utifrån ett gemensamt fält.
- Lägg till noden Dataset Comparison.
- I Merge By Fields lägger ni till en mappning med Field 1 satt till
fruitoch Field 2 satt tillfruit. - Lämna Options tomt om ni inte behöver ett anpassat jämförelsebeteende.
Steg 5: testa och aktivera ert workflow
Kör ett manuellt test för att validera att resultatet från datamängdsjämförelsen visas som förväntat.
- Klicka på Execute Workflow för att trigga Manual Execution Start.
- Verifiera att både Sample Dataset Alpha och Sample Dataset Beta körs och att Dataset Comparison returnerar matchande och icke-matchande poster.
- När utdata ser korrekt ut, spara workflowet och slå om det till Active för framtida körningar.
Vanliga fallgropar
- Google Sheets-inloggningar kan löpa ut eller kräva specifika behörigheter. Om något skapar fel, kontrollera först n8n:s sida för autentiseringsuppgifter och delningsinställningarna för arket.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du att redigera utdata i all evighet.
Vanliga frågor
Cirka 30 minuter om dina konton redan är kopplade.
Nej. Du mappar främst fält och väljer den gemensamma nyckeln som används för matchning. Exempelarbetsflödet använder Code-noder för demodata, men den riktiga uppsättningen kan göras med standardkopplingar.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in eventuell tredjeparts-API-användning om du lägger till berikning senare.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärt och hanterar n8n bra. Self-hosting ger dig obegränsade körningar men kräver grundläggande serveradministration.
Ja, och det är hela poängen. Byt ut exempeldatamängderna mot dina källor (till exempel två Google Sheets-flikar eller en CSV-export från Drive) och sätt jämförelsenyckeln till något stabilt som e-post eller kund-ID. Vanliga anpassningar är att skriva ”nya poster” till en Sheet-flik, ”ändrade fält” till en annan och posta en kort Slack-sammanfattning som länkar till diffen.
Oftast handlar det om autentiseringsuppgifter eller åtkomst. Anslut ditt Google-konto på nytt i n8n och bekräfta att arket är delat med samma konto. Om flödet kan läsa men inte skriva, kontrollera redigeringsbehörigheter på målfliken. Se också upp med omdöpta kolumner, eftersom en ändrad rubrik kan få fältmappningen att se ”tom” ut även när data finns.
För typiska företagslistor (hundratals till några tusen rader) kör den stabilt i de flesta uppsättningar.
Ofta ja, om du bryr dig om jämförelser och strukturerade diffar. Zapier och Make kan flytta rader, men ”jämför två datamängder med en nyckel och rapportera ändringar på fältnivå” blir ofta en skör kedja av steg, och du betalar mer när det växer. n8n är bättre när logiken förgrenar sig, flödet blir längre eller du vill ha ett self-hosted-alternativ. Med det sagt: om du bara behöver ett enkelt ”ny rad → Slack-meddelande” är Zapier snabbt. Prata med en automationsexpert om du vill ha en second opinion.
När du väl litar på din ”diff” går allt snabbare. Låt arbetsflödet sköta jämförelserna och lägg din tid på besluten 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.