Geeignet Strukturdaten in Ihren Excel-Datenmodellen - Dummies

Als Baustein für Ihre Excel-Berichte müssen die Daten in Ihren Datenmodellen entsprechend strukturiert sein. Nicht alle Datensätze sind gleich. Obwohl einige Datensätze in einer Standard-Excel-Umgebung funktionieren, funktionieren sie möglicherweise nicht für Datenmodellierungszwecke. Stellen Sie vor dem Erstellen Ihres Datenmodells sicher, dass Ihre Quelldaten für Dashboardzwecke entsprechend strukturiert sind.

Auf die Gefahr einer zu starken Vereinfachung hin werden Datensätze, die in Excel verwendet werden, in drei grundlegende Formen unterteilt:

• Der Tabellenkalkulationsbericht

• Der flache Datensatz

• Der Tabellenkalkulationsdatensatz

Die Pointe ist, dass nur flache Datendateien und tabellarische Datensätze effektive Datenmodelle ergeben.

Tabellenkalkulationsberichte sorgen für unwirksame Datenmodelle

Tabellenkalkulationsberichte zeigen stark formatierte, zusammengefasste Daten an und sind häufig als Präsentationswerkzeuge für Management- oder Führungsbenutzer konzipiert. In einem typischen Tabellenkalkulationsbericht wird der freie Platz für die Formatierung sinnvoll genutzt, Daten aus ästhetischen Gründen wiederholt und nur auf hoher Ebene analysiert. Die folgende Abbildung zeigt einen Tabellenbericht.

Ein Tabellenkalkulationsbericht.

Obwohl ein Tabellenbericht gut aussieht, ist er kein effektives Datenmodell. Warum? Der Hauptgrund ist, dass diese Berichte Ihnen keine Trennung von Daten, Analyse und Präsentation bieten. Sie sind im Wesentlichen in einer Analyse eingeschlossen.

Obwohl Sie Diagramme aus dem angezeigten Bericht erstellen könnten, wäre es unpraktisch, eine Analyse außerhalb des bereits vorhandenen zu verwenden. Wie würden Sie zum Beispiel den Durchschnitt aller Fahrradverkäufe mit diesem speziellen Bericht berechnen und darstellen? Wie würden Sie eine Liste der zehn besten Märkte berechnen?

Mit dieser Einstellung sind Sie gezwungen, sehr manuelle Prozesse durchzuführen, die Monat für Monat schwierig zu warten sind. Jede Analyse außerhalb der High-Level-Berichte, die bereits im Bericht enthalten sind, ist bestenfalls einfach - selbst mit ausgefallenen Formeln. Und was passiert, wenn Sie den Fahrradverkauf pro Monat zeigen müssen? Wenn Ihr Datenmodell eine Analyse mit Daten erfordert, die nicht im Tabellenkalkulationsbericht enthalten sind, müssen Sie nach einem anderen Datensatz suchen.

Flache Datendateien eignen sich gut für Datenmodelle

Eine andere Art von Dateiformat ist eine flache Datei. Flache Dateien sind Datenrepositorys, die nach Zeile und Spalte organisiert sind. Jede Zeile entspricht einer Gruppe von Datenelementen oder einem Datensatz. Jede Spalte ist ein -Feld. Ein Feld entspricht einem eindeutigen Datenelement in einem Datensatz. Die folgende Abbildung enthält die gleichen Daten wie der vorherige Bericht, jedoch in einem flachen Datendateiformat.

Eine flache Datendatei.

Beachten Sie, dass jedes Datenfeld eine Spalte hat und jede Spalte einem Datenelement entspricht. Darüber hinaus gibt es keinen zusätzlichen Abstand und jede Zeile (oder Datensatz) entspricht einem eindeutigen Satz von Informationen. Aber das Schlüsselattribut, das dies zu einer Flatfile macht, ist, dass kein einzelnes Feld einen Datensatz eindeutig identifiziert. In der Tat müssten Sie vier separate Felder (Region, Markt, Geschäftssegment und Umsatzmenge eines Monats) angeben, bevor Sie den Datensatz eindeutig identifizieren können.

Flache Dateien eignen sich gut für die Datenmodellierung in Excel, da sie detailliert genug sind, um die benötigten Daten aufzunehmen und dennoch mit einfachen Formeln - SUM, AVERAGE, SVERWEIS und SUMME - für eine breite Palette von Analysen geeignet sind. nenne ein paar.

Tabellarische Datensätze sind perfekt für Pivot-Tabellen-gesteuerte Datenmodelle

Viele effektive Datenmodelle werden hauptsächlich von Pivot-Tabellen gesteuert. Pivot-Tabellen sind Excel's führende Analyse-Tools. Für diejenigen von Ihnen, die Pivot-Tabellen verwendet haben, wissen Sie, dass sie eine hervorragende Möglichkeit bieten, Daten für die Verwendung von Reporting-Komponenten wie Diagrammen und Tabellen zusammenzufassen und zu formen.

Tabellarische Datensätze sind ideal für Pivot-Tabellen-gesteuerte Datenmodelle. Die folgende Abbildung zeigt ein tabellarisches Dataset. Beachten Sie, dass der Hauptunterschied zwischen einem tabellarischen Dataset und einer flachen Datendatei darin besteht, dass in tabellarischen Datasets die Spaltenbeschriftungen nicht als tatsächliche Daten verdoppelt werden. Zum Beispiel enthält die Spalte Verkaufszeitraum die Monatskennung. Dieser feine Unterschied in der Struktur macht Tabellendatensätze zu optimalen Datenquellen für Pivot-Tabellen. Diese Struktur stellt sicher, dass wichtige Pivot-Tabellenfunktionen wie Sortieren und Gruppieren so funktionieren, wie sie sollten.

Ein tabellarischer Datensatz.

Die Attribute eines tabellarischen Datasets lauten wie folgt:

• Die erste Zeile des Datasets enthält Feldbezeichnungen, die die Informationen in jeder Spalte beschreiben.

• Die Spaltenbeschriftungen werden nicht doppelt als Datenelemente verwendet, die als Filter oder Abfragekriterien verwendet werden können (z. B. Monate, Daten, Jahre, Regionen oder Märkte).

• Es gibt keine leeren Zeilen oder Spalten - jede Spalte hat eine Überschrift und in jeder Zeile steht ein Wert.

• Jede Spalte repräsentiert eine eindeutige Datenkategorie.

• Jede Zeile repräsentiert einzelne Elemente in jeder Spalte.