9 Tips for å presentere tabellresultater og analysere data i Excel - dummies

La oss ta et skritt tilbake fra detaljene for dataanalyse i Excel og tilby en håndfull generelle tips. For det meste er disse tipsene oppsummeringer og generaliseringer som vil hjelpe deg med det grunnleggende i Excel.

Arbeid hardt for å importere data

Det er verdt å jobbe med å importere gode, riktige data til Excel-arbeidsbøker. Noen ganger kan det være problematisk å importere data. Hodepine og heartbreaks kan skje når du prøver å hente data fra andre ledelsesinformasjonssystemer, og når du prøver å jobbe med en databaseadministrator for å få de riktige dataene til et format som gir nyttig dataanalyse med Excel.

Men på tross av bryet med å skaffe dataene, vil du finne at det er vel verdt å importere gode data til Excel. Tradisjonelt tar folk beslutninger ved å bruke svært vanlige informasjonskilder. Og de tradisjonelle kildene gir tradisjonelle innsikt, noe som er flott. Men når du kan jobbe med et rikere, dypere datasett med rå informasjon, oppdager du ofte innsikt som bare ikke vises i de tradisjonelle kildene.

Design informasjonssystemer for å produsere rike data

Mens du kanskje vil konsentrere deg om å skape systemer som produserer rapporter som ledere og beslutningstakere vil ha og som produserer skjemaer (for eksempel fakturaer og sjekker og kjøp ordrer) at bedrifter måtte operere, dette er ikke den eneste måten.

Du må også gjenkjenne at det trolig vil være uplanlagte, uortodokse, uvanlige, men likevel svært verdifulle måter der dataene som samles inn av disse styringsinformasjonssystemene, kan analyseres. Og så, hvis du jobber med eller designer eller deltar i å implementere informasjonssystemer, bør du innse at rådata fra systemet kan og skal sendes til dataanalyseværktøy som Excel.

Å ha rike, detaljerte oversikt over produktene eller tjenestene som et firma selger, gjør det mulig for firmaet å se trender i salg etter produkt eller tjeneste. I tillegg tillater det et firma å lage cross-tabuleringer som viser hvordan bestemte kunder velger og bruker bestemte produkter og tjenester.

Organisasjoner må designe informasjonssystemer slik at de også samler gode, rike, raske data. Senere kan disse dataene enkelt eksporteres til Excel, hvor enkel dataanalyse kan føre til rik innsikt i selskapets operasjon, muligheter og mulige trusler.

Ikke glem tredjeparts kilder

Ett raskt punkt: Kjenne at mange tredjeparts kilder til data eksisterer. For eksempel kan leverandører og kunder ha svært interessante data tilgjengelige i et format som er tilgjengelig for Excel, som du kan bruke til å analysere deres marked eller din bransje.

Web Query-verktøyet som er tilgjengelig i Excel, gjør det enklere å utvinne informasjon fra tabeller lagret på nettsider.

Bare legg til det

Du tror kanskje at kraftig dataanalyse krever kraftige dataanalyseteknikker. Chi-rutene. Inferentiell statistikk. Regresjonsanalyse.

Men det er ikke nødvendigvis slik. Noen av de kraftigste dataanalysene du kan gjøre innebærer bare å legge til tall. Hvis du legger til tall og får summer som andre ikke engang vet om - og hvis disse summene er viktige eller viser trender - kan du få viktig innsikt og samle verdifull informasjon gjennom de enkleste dataanalyseteknikker.

Nøkkelen er å samle inn veldig god informasjon først og da, og deretter ha den informasjonen lagret i en beholder, for eksempel en Excel-arbeidsbok, slik at du kan regne og analysere dataene aritmetisk.

Utforsk alltid beskrivende statistikk

De beskrivende statistiske verktøyene som Excel gir, er virkelig kraftige verktøy. Ikke føl deg som om disse verktøyene er utenfor dine ferdigheter.

Beskrivende statistikk beskriver bare dataene du har i noen Excel-regneark. De er ikke magiske, og du trenger ikke noen spesiell statistisk trening for å bruke dem eller dele dem med de personene du presenterer dataanalyseresultatene på.

Merk at noen av de enkleste beskrivende statistiske tiltakene ofte er mest nyttige.

Se etter trender

Peter Drucker, kanskje den mest kjente og mest innsiktsfulle observatøren av moderne administrasjonspraksis, bemerket i flere av sine siste bøker at en av de viktigste dataanalysene kan gjøre, er å se en endring i trender. Trender er nesten det viktigste du kan se. Hvis bransjens samlede inntekter vokser, er det betydelig. Hvis de ikke har vokst eller hvis de begynner å krympe, er det sannsynligvis enda viktigere.

I din egen dataanalyse, sørg for å konstruere regnearkene dine og samle inn dataene dine på en måte som hjelper deg med å identifisere trender og ideelt sett identifisere endringer i trender.

Kryss tabulering

Kommandoen PivotTable er et fantastisk verktøy. Cross-tabuleringer er ekstremt nyttige måter å skive og terningdata. Og den ryddige tingen om PivotTable-verktøyet er at du enkelt kan kryss-oversette og deretter kryss-tabulere igjen.

Hvis du har gode rike datakilder, og du ikke regelmessig overskrider dine data, savner du sannsynligvis absolutt skatter av informasjon. Det er gull i dem her bakker.

Figur det, Baby

En viktig komponent i god dataanalyse presenterer og undersøker dataene dine visuelt.

Ved å se på et linjediagram over noen viktige statistikker eller ved å lage et kolonnediagram over et sett med data, ser du ofte ting som ikke er tydelige i en tabellpresentasjon av samme informasjon. I utgangspunktet er kartlegging ofte en flott måte å oppdage ting som du ellers ikke vil se.

Vær oppmerksom på inferensiell statistikk

Excel gir inferensielle statistikkverktøy. Inferensiell statistikk gjør at du kan samle et utvalg og deretter lage inferanser om befolkningen som prøven trekkes ut basert på egenskapene til prøven.

I høyre hender er inferensiell statistikk ekstremt kraftige og nyttige verktøy. Med gode ferdigheter i inferentiell statistikk kan du analysere alle mulige ting for å få all slags innsikt i data som vanlig folk aldri får. Men helt ærlig, hvis du ikke har omfattende kunnskap om inferensiell statistikk, har du sannsynligvis ikke nok rå statistisk kunnskap til å utføre inferensiell statistisk analyse.