Excel und Skalierbarkeit - Dummies

Skalierbarkeit ist die Fähigkeit einer Anwendung zu entwickeln flexibel, um Wachstums- und Komplexitätsanforderungen zu erfüllen. Im Kontext von Excel bezieht sich Skalierbarkeit auf die Fähigkeit von Excel, immer größere Datenmengen zu verarbeiten.

Die meisten Excel-Kenner weisen darauf hin, dass Sie ab Excel 2007 1, 048, 576 Datenzeilen in ein einzelnes Excel-Arbeitsblatt platzieren können - ein überwältigender Anstieg gegenüber der Beschränkung auf 65, 536 Zeilen durch frühere Versionen von Excel. Diese Kapazitätssteigerung löst jedoch nicht alle Skalierbarkeitsprobleme, die Excel überfluten.

Stellen Sie sich vor, Sie arbeiten in einer kleinen Firma und verwenden Excel, um ihre täglichen Transaktionen zu analysieren. Im Laufe der Zeit erstellen Sie einen robusten Prozess mit allen Formeln, Pivot-Tabellen und Makros, die Sie benötigen, um die Daten zu analysieren, die in Ihrem ordentlich gepflegten Arbeitsblatt gespeichert sind.

Wenn die Datenmenge wächst, werden Sie zunächst Probleme mit der Leistung bemerken. Die Kalkulationstabelle wird langsam geladen und dann langsam berechnet.

Warum passiert das? Es hat mit der Art und Weise zu tun, wie Excel mit Speicher umgeht. Wenn eine Excel-Datei geladen wird, wird die gesamte Datei in den RAM geladen. Excel tut dies, um eine schnelle Datenverarbeitung und Zugriff zu ermöglichen. Der Nachteil dieses Verhaltens besteht darin, dass Excel jedes Mal, wenn sich die Daten in Ihrer Tabelle ändern, das gesamte Dokument in den Arbeitsspeicher zurückladen muss. Das Nettoergebnis in einer großen Tabelle ist, dass es sehr viel RAM braucht, um selbst die kleinste Änderung zu verarbeiten. Schließlich geht jeder Handlung, die Sie in dem gigantischen Arbeitsblatt ausführen, eine quälende Wartezeit voraus.

Ihre Pivot-Tabellen benötigen größere Pivot-Caches, wodurch sich die Dateigröße der Excel-Arbeitsmappe fast verdoppelt. Schließlich wird die Arbeitsmappe zu groß, um sie leicht verteilen zu können. Sie können sogar in Erwägung ziehen, die Arbeitsmappe in kleinere Arbeitsmappen aufzuteilen (möglicherweise eine für jede Region). Dies führt dazu, dass Sie Ihre Arbeit duplizieren.

Mit der Zeit erreichen Sie möglicherweise das Limit von 1, 048, 576 Zeilen des Arbeitsblatts. Was passiert dann? Starten Sie ein neues Arbeitsblatt? Wie analysieren Sie zwei Datensätze auf zwei verschiedenen Arbeitsblättern als eine Einheit? Sind Ihre Formeln noch gut? Müssen Sie neue Makros schreiben?

Dies sind alles Probleme, die angegangen werden müssen.

Natürlich werden Sie auch den Kunden von Excel Power begegnen, die verschiedene clevere Möglichkeiten finden, um diese Einschränkungen zu umgehen. Am Ende werden diese Methoden jedoch immer einfache Workarounds sein. Schließlich werden sich auch diese Power-Kunden weniger Gedanken über die effektivste Art und Weise machen, ihre Daten auszuwerten und zu präsentieren, und mehr darüber, wie Daten in Excel "gepasst" werden können, ohne ihre Formeln und Funktionen zu zerstören.

Excel ist flexibel genug, dass ein kompetenter Kunde die meisten Dinge gut machen kann. Wenn Kunden jedoch nur an Excel denken, beschränken sie sich zweifellos, wenn auch auf unglaublich funktionale Weise.

Außerdem zwingen diese Kapazitätsbeschränkungen häufig Excel-Kunden dazu, die Daten für sie bereit zu halten. Das heißt, jemand anderes extrahiert große Datenblöcke aus einer großen Datenbank und aggregiert und formt die Daten dann zur Verwendung in Excel.

Sollte der seriöse Analytiker für seine Datenbedürfnisse immer von jemand anderem abhängig sein? Was wäre, wenn ein Analyst die Werkzeuge erhalten könnte, um auf riesige Datenmengen zuzugreifen, ohne von anderen abhängig zu sein, um Daten bereitzustellen? Könnte dieser Analytiker für die Organisation wertvoller sein? Könnte sich der Analytiker auf die Genauigkeit der Analyse und die Qualität der Präsentation konzentrieren, anstatt die Excel-Datenpflege zu routen?

Ein relationales Datenbanksystem (wie z. B. Access oder SQL Server) ist ein logischer nächster Schritt für den Analysten, der einem ständig wachsenden Datenpool gegenübersteht. Datenbanksysteme haben normalerweise keine Auswirkungen auf die Leistung bei großen Mengen gespeicherter Daten und sind darauf ausgelegt, große Datenmengen zu adressieren. Ein Analyst kann dann größere Datenmengen verarbeiten, ohne dass die Daten zusammengefasst oder in Excel angepasst werden müssen.

Wenn ein Prozess für das Unternehmen immer wichtiger wird und in einer unternehmensverträglicheren Umgebung nachverfolgt werden muss, ist es einfacher, ihn zu aktualisieren und zu skalieren, wenn sich dieser Prozess bereits in einem relationalen Datenbanksystem befindet.