9 tips for å presentere tabellresultater og analysere data

Her er en håndfull generelle tips om å analysere data med Excel. For det meste oppsummerer og generaliserer disse tipsene mye mer detaljerte prosesser for å analysere data.

Arbeid hardt for å importere data

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

Men til tross for problemer med å skaffe data, vil du finne at import av gode data til Excel er vel verdt innsatsen. Tradisjonelt tar folk beslutninger ved å bruke svært standard informasjonskilder. . . som regnskapssystemet, eller en tredjepartsrapport, eller nyhetsbrev eller publikasjon. Og de tradisjonelle kildene produserer tradisjonell innsikt, noe som er flott. Men når du kan jobbe med et rikere, dypere datasett med råinformasjon, får du ofte innsikt som rett og slett ikke vises i de tradisjonelle kildene.

Design informasjonssystemer for å produsere rike data

For mer enn 20 år siden nå konsentrerte designere seg om å lage systemer som produserte rapportene som ledere og beslutningstakere ønsket, og som produserte skjemaer (som fakturaer og sjekker og innkjøpsordrer) som bedrifter krevde for å drive.

Disse elementene er fortsatt åpenbart viktige ting å tenke på mens du designer og installerer og administrerer informasjonssystemer, for eksempel et regnskapssystem. Men du må også erkjenne at det sannsynligvis vil være uplanlagte, uortodokse, uvanlige, men fortsatt svært verdifulle måter dataene som samles inn av disse ledelsesinformasjonssystemene kan analyseres på. Og så, hvis du jobber med eller designer eller deltar i implementering av informasjonssystemer, bør du innse at rådata fra systemet kan og bør overføres til dataanalyseverktøy som Excel.

Å ha rike, detaljerte oversikter over produktene eller tjenestene som et firma selger, gjør at firmaet kan se trender i salg etter produkt eller tjeneste. I tillegg lar det et firma lage krysstabeller som viser hvordan enkelte kunder velger og bruker bestemte produkter og tjenester.

Poenget er at organisasjoner må designe informasjonssystemer slik at de også samler inn gode, rike, rådata. Senere kan disse dataene enkelt eksporteres til Excel, hvor enkel dataanalyse kan føre til rik innsikt i et firmas drift, dets muligheter og mulige trusler.

Ikke glem tredjepartskilder

Et raskt poeng: Innse at det finnes mange tredjepartsdatakilder. For eksempel kan leverandører og kunder ha svært interessante data tilgjengelig i et format tilgjengelig for Excel som du kan bruke til å analysere deres marked eller din bransje.

En rask siste kommentar om tredjeparts datakilder er dette: Web Query-verktøyet som er tilgjengelig i Excel gjør det veldig enkelt å trekke ut informasjon fra tabeller som er lagret på nettsider.

Bare legg det til

Du tror kanskje at kraftig dataanalyse krever kraftige dataanalyseteknikker. Chi-firkanter. Inferensiell statistikk. Regresjonsanalyse.

Noen av de kraftigste dataanalysene du kan gjøre, innebærer ganske enkelt å legge sammen tall. Hvis du legger til tall og får summer som andre ikke en gang vet om – og hvis disse summene er viktige eller viser trender – kan du få viktig innsikt og samle verdifull informasjon gjennom de enkleste dataanalyseteknikkene.

Igjen, nøkkelen er å samle inn virkelig god informasjon i utgangspunktet og deretter ha den informasjonen lagret i en beholder, for eksempel en Excel-arbeidsbok, slik at du kan aritmetisk manipulere og analysere dataene.

Utforsk alltid beskrivende statistikk

De beskrivende statistiske verktøyene som Excel gir - inkludert målinger som en sum, et gjennomsnitt, en median, et standardavvik og så videre - er virkelig kraftige verktøy. Ikke føl at disse verktøyene er utenfor ferdighetene dine.

Beskrivende statistikk beskriver ganske enkelt dataene du har i et Excel-regneark. De er ikke magiske, og du trenger ingen spesiell statistisk opplæring for å bruke dem eller dele dem med personene du presenterer dataanalyseresultatene dine for.

Merk også at noen av de enkleste beskrivende statistiske målene ofte er de mest nyttige. For eksempel kan det være veldig nyttig å vite den minste verdien i et datasett eller den største verdien. Å kjenne gjennomsnittet, medianen eller modusen i et datasett er også veldig interessant og nyttig. Og selv tilsynelatende kompliserte sofistikerte mål som et standardavvik (som bare måler spredning om gjennomsnittet) er egentlig ganske nyttige verktøy.

Å se beskrivende statistikk endres (eller ikke endres) over tid, for eksempel fra år til år, gir deg ofte ekstremt verdifull innsikt.

Se etter trender

Peter Drucker, kanskje den mest kjente og mest innsiktsfulle observatøren av moderne ledelsespraksis, bemerket i flere av sine siste bøker at en av de viktigste tingene dataanalyse kan gjøre er å oppdage 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 mer betydelig.

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.

Skjæring og terninger: krysstabell

PivotTable-kommandoen er et fantastisk verktøy. Krysstabeller er ekstremt nyttige måter å skjære og terninger på data. Og det fine med PivotTable-verktøyet er at du enkelt kan krysstabellere på nytt og deretter krysstabellere igjen.

Hvis du har gode rike datakilder og du ikke jevnlig krysstabellerer dataene dine, går du sannsynligvis glipp av absolutte skatter av informasjon. Det er gull i bakkene.

Kartlegg det, baby

En viktig komponent i god dataanalyse er å presentere og undersøke dataene dine visuelt.

Ved å se på et linjediagram med en viktig statistikk eller ved å lage et kolonnediagram med et sett med data, ser du ofte ting som ikke er synlige i en tabellpresentasjon av den samme informasjonen. I utgangspunktet er kartlegging ofte en fantastisk måte å oppdage ting du ellers ikke vil se.

Vær oppmerksom på konklusjonsstatistikk

Inferensiell statistikk lar deg samle inn et utvalg og deretter trekke slutninger om populasjonen som utvalget er trukket fra basert på egenskapene til utvalget.

I de riktige hendene er slutningsstatistikk ekstremt kraftige og nyttige verktøy. Med gode ferdigheter i konklusjonsstatistikk kan du analysere alle slags ting for å få all slags innsikt i data som bare vanlige folk aldri får. Men helt ærlig, hvis din eneste eksponering for slutningsstatistiske teknikker er minimal, har du sannsynligvis ikke nok rå statistisk kunnskap til å utføre slutningsstatistisk analyse.