Låt oss ta ett steg tillbaka från detaljerna i dataanalys i Excel och erbjuda en handfull allmänna tips. Oftast är dessa tips sammanfattningar och generaliseringar som hjälper dig med grunderna i Excel.
Arbeta hårt för att importera data
Att arbeta med att importera bra, rik data till Excel-arbetsböcker är verkligen värt besväret. Ibland kan det vara problematiskt att importera data. Huvudvärk och hjärtesorg kan hända när man försöker ta data från andra ledningsinformationssystem och när man försöker arbeta med en databasadministratör för att få in rätt data till ett format som ger användbar dataanalys med Excel.
Men trots besvären med att skaffa data kommer du att upptäcka att import av bra data till Excel är väl värt ansträngningen. Traditionellt fattar människor beslut genom att använda mycket vanliga informationskällor. Och de traditionella källorna producerar traditionella insikter, vilket är bra. Men när du kan arbeta med en rikare, djupare datamängd av råinformation, får du ofta insikter som helt enkelt inte förekommer i de traditionella källorna.
Designa informationssystem för att producera rik data
Även om du kanske vill koncentrera dig på att skapa system som producerar rapporter som chefer och beslutsfattare vill ha och som producerar formulär (som fakturor och checkar och inköpsorder) som företag måste driva, är detta inte det enda sättet.
Du måste också inse att det förmodligen kommer att finnas oplanerade, oortodoxa, ovanliga men fortfarande mycket värdefulla sätt på vilka data som samlas in av dessa ledningsinformationssystem kan analyseras. Och så, om du arbetar med eller designar eller deltar i att implementera informationssystem, bör du inse att rådata från systemet kan och bör skickas till dataanalysverktyg som Excel.
Att ha rika, detaljerade register över de produkter eller tjänster som ett företag säljer gör det möjligt för företaget att se trender i försäljning per produkt eller tjänst. Dessutom tillåter det ett företag att skapa korstabeller som visar hur vissa kunder väljer och använder vissa produkter och tjänster.
Organisationer behöver designa informationssystem så att de också samlar in bra, rik, rådata. Senare kan denna data enkelt exporteras till Excel, där enkel dataanalys kan leda till rika insikter om ett företags verksamhet, dess möjligheter och möjliga hot.
Glöm inte källor från tredje part
En snabb punkt: Inse att det finns många datakällor från tredje part. Till exempel kan leverantörer och kunder ha mycket intressant information tillgänglig i ett format tillgängligt för Excel som du kan använda för att analysera deras marknad eller din bransch.
Webbfrågeverktyget som är tillgängligt i Excel gör det mycket enkelt att extrahera information från tabeller lagrade på webbsidor.
Lägg bara till det
Du kanske tror att kraftfull dataanalys kräver kraftfulla dataanalystekniker. Chi-rutor. Slutsatsstatistik. Regressionsanalys.
Men det är inte nödvändigtvis så. Några av de mest kraftfulla dataanalyser du kan göra innebär att helt enkelt lägga ihop siffror. Om du lägger till siffror och får summor som andra människor inte ens känner till – och om dessa summor är viktiga eller visar trender – kan du få viktiga insikter och samla in värdefull information genom de enklaste dataanalysteknikerna.
Det viktigaste är att samla in riktigt bra information i första hand och sedan ha den informationen lagrad i en behållare, till exempel en Excel-arbetsbok, så att du kan aritmetiskt manipulera och analysera datan.
Utforska alltid beskrivande statistik
De beskrivande statistiska verktygen som Excel tillhandahåller är riktigt kraftfulla verktyg. Känn dig inte som om dessa verktyg är bortom din kompetens.
Beskrivande statistik beskriver helt enkelt de data du har i ett Excel-kalkylblad. De är inte magiska, och du behöver ingen speciell statistisk utbildning för att använda dem eller för att dela dem med de personer som du presenterar dina dataanalysresultat för.
Observera också att några av de enklaste beskrivande statistiska måtten ofta är de mest användbara.
Håll utkik efter trender
Peter Drucker, kanske den mest kända och mest insiktsfulla observatören av moderna förvaltningsmetoder, noterade i flera av sina senaste böcker att en av de viktigaste sakerna som dataanalys kan göra är att upptäcka en förändring i trender. Trender är nästan det viktigaste du kan se. Om din branschs samlade intäkter växer är det betydande. Om de inte har växt eller om de börjar krympa är det förmodligen ännu mer betydelsefullt.
I din egen dataanalys, se till att konstruera dina kalkylblad och samla in dina data på ett sätt som hjälper dig att identifiera trender och, helst, identifiera förändringar i trender.
Korstabell
PivotTable-kommandot är ett underbart verktyg. Korstabeller är extremt användbara sätt att skära och tärna data. Och det snygga med PivotTable-verktyget är att du enkelt kan korstabellera igen och sedan korstabellera igen.
Om du har bra rika datakällor och du inte regelbundet korstabellerar dina data, saknar du förmodligen absoluta skatter av information. Det finns guld i kullarna.
Kartlägg det, baby
En viktig komponent i bra dataanalys är att presentera och granska dina data visuellt.
Genom att titta på ett linjediagram med någon viktig statistik eller genom att skapa ett kolumndiagram med någon uppsättning data, ser du ofta saker som inte syns i en tabellform av samma information. I grund och botten är kartläggning ofta ett underbart sätt att upptäcka saker som du annars inte kommer att se.
Var medveten om inferentiell statistik
Excel tillhandahåller inferentiella statistikverktyg. Slutsatsstatistik gör det möjligt för dig att samla in ett urval och sedan dra slutsatser om populationen från vilken urvalet dras baserat på urvalets egenskaper.
I de rätta händerna är inferentiell statistik extremt kraftfulla och användbara verktyg. Med goda kunskaper i inferentiell statistik kan du analysera alla möjliga saker för att få alla möjliga insikter i data som en vanlig folk aldrig får. Men ärligt talat, om du inte har omfattande kunskaper om slutledningsstatistik, har du förmodligen inte tillräckligt med rå statistisk kunskap för att rättvist kunna utföra inferentiella statistiska analyser.