så du har data, og du har brug for en hurtig måde at få mening ud af det. En pivottabel er en stor mulighed, og det er en af de mest kraftfulde værktøjer. Vi leder dig gennem, hvad en pivottabel er, forbereder dine data til en pivottabel, udfører hurtigt analyser ved hjælp af en pivottabel til at tælle og opsummere dine data og til sidst overlejrer dine Pivottabeldata på et kort ved hjælp af sum clustering.

Hvad er en pivottabel?

lad os først fastslå, hvad en pivottabel er, og hvad den kan gøre. En pivottabel er et hurtigt og nemt værktøj, der giver brugerne mulighed for nemt at opsummere data. Nu har de fleste almindelige tabeller oversigtsrækker i bunden, såsom en Sum for at vise det samlede salg af alle produkter i alle stater eller en optælling af alle de poster, der er inkluderet i tabellen.

en pivottabel tager imidlertid disse oversigter et skridt videre ved at give brugerne mulighed for hurtigt at besvare mere specifikke spørgsmål såsom det samlede salg opdelt efter hvert produkt, stat eller endda by med blot et par museklik.

forberedelse af dine Data

nu hvor vi ved, hvad en pivottabel er, og hvad den kan gøre, er det første skridt til at oprette en at forberede dine data ved at organisere dem i et enkelt regneark, helst i en defineret tabel.

organisering af Data i et enkelt regneark

det er almindeligt at have data gemt flere steder, f.eks. separate faner i forskellige tidsperioder eller produkter. For at få vist alle disse data i din pivottabel skal du kombinere dem i et enkelt regneark. Den enkleste måde at gøre dette på er at identificere forskellen mellem hver datakilde og oprette en ny tilsvarende kolonne i dit kombinerede regneark for at gemme denne differentiator. For eksempel administrerer måske en anden sælger hvert forretningssegment, hvilket resulterer i en separat projektmappe for hvert segment som vist nedenfor.

for at kombinere disse data kan vi oprette en ny kolonne kaldet “Segment” hvor som helst inden for datasættet og udfylde rækkerne med det tilsvarende segmentnavn som vi kopierer og indsætter alle data i en enkelt tabel.

Pro Tip! – Hvis dine data allerede indeholder et datofelt, er der ikke behov for at tilføje en ekstra kolonne til tidsperiodentifikatoren. Datofeltet kan bruges til at opdele dataene tilbage i de gældende tidsperioder, når vi opretter vores pivottabel.

oprettelse af en defineret tabel

nu hvor du har organiseret dine data i et enkelt regneark, kan du spare dig tid nede ad vejen ved at identificere dataene som en defineret tabel. Gør dette ved at klikke hvor som helst i dine data og vælge indstillingen “Format som tabel” på båndet “hjem”. En stor fordel ved at oprette en defineret tabel på forhånd er, at din pivottabel kan holdes opdateret over tid, selvom de underliggende data opdateres. Alt hvad du skal gøre er at skifte indstillingen “Opdater Data” i din pivottabel for at hente nye eller ændrede data.

Opret en pivottabel for at tælle

Hvis dit mål er at bestemme, hvor mange gange en bestemt begivenhed opstod, f.eks. hvor mange forskellige kunder der foretog et køb, eller hvor mange salg der blev genereret inden for hver by, er en pivottabel konfigureret til at tælle poster nøjagtigt det, du har brug for. For at starte, hvis du allerede har dine data i en defineret tabel, skal du blot klikke et vilkårligt sted på din tabel og vælge “Opsummer med pivottabel” fra båndet “tabel”.

alternativt, hvis dine data ikke allerede er organiseret i en defineret tabel, kan du vælge dine data manuelt ved at klikke på den øverste venstre celle i dit datasæt og derefter trække ned til den nederste højre celle. På dette tidspunkt kan du klikke på “pivottabel” fra båndet “Indsæt”.

derfra kan du vælge hvilket datapunkt du vil tælle ved at markere afkrydsningsfeltet ud for dataene i de højre Pivottabelfelter indstillinger, der automatisk åbnes, når du opretter en ny pivottabel.

som standard opsummerer vi dataene, da det ser, at vi har valgt et numerisk felt. Vi kan ændre dette ved at venstreklikke på knappen “i” i det yderste højre hjørne af værdien “Sum of Sales”. Dette giver dig flere formelindstillinger at vælge imellem. Vi vælger “Count”, som resulterer i en optælling af alle salgsrekordforekomster.

Pro Tip! – Spar tid ved at formatere dine datakolonner med den korrekte felttype fra starten, såsom dato, nummer eller tekst. Du sorterer automatisk efter Datodata, opsummerer numeriske data og tæller tekst eller blandede data.

lad os nu udmærke os den tunge løft! Træk blot kolonnen ” by “fra listen over felter til feltet” rækker ” i Pivottabelindstillingerne for at opdele antallet af salg efter by. Du kan også øge dybden af pivottabellen ved at trække et ekstra felt, såsom feltet “tilstand”, til Filtervælgeren for at bore ned i de data, du er mest interesseret i.

Opret en pivottabel for at summe værdier

der er andre tilfælde, hvor brug af summen af data er blevet snarere end optællingen er mere nyttigt. For at opsummere dataene skal du gå tilbage til “i” på højre side af feltet “Antal salg” og vælge “Sum”. Nu kan vi se de samlede salgsindtægter opdelt efter hver by.

afhængigt af dit mål er det ofte nyttigt at stable forskellige felter inden for rækkerne eller Kolonnevælgerne. For eksempel, placering af feltet “stat” over “by” i nedenstående eksempel giver os mulighed for hurtigt at se ikke kun de mest indtjenende stater, men også de individuelle bybidrag inden for hver stat.

et af de mest fordelagtige aspekter ved en pivottabel er, at de er dynamiske. Du kan flytte felterne rundt mellem rækker, kolonner, filtre og værdier bokse på flue for at få perspektiv og lege med forskellige analyser. Brug et øjeblik på at flytte de felter, du er interesseret i, mellem felterne for at få en bedre fornemmelse af, hvordan pivottabellen fungerer. Du kan blive overrasket over, hvor hurtigt du kan opdage nye indsigter!

Opret et kort over salgsdata

nu, hvis du har geografiske data såsom adresser, byer eller stater som i salgseksemplerne ovenfor, kan du tage din dataanalyse til det næste niveau ved at visualisere dataene på et kort med sum clustering. Ligesom da vi opsummerede vores data i en pivottabel, har Batchgeos kortlægningstjeneste en avanceret klyngefunktion. Når den er aktiveret, giver denne funktion dig mulighed for at opsummere værdierne for et specifikt felt som en etiket for hver klynge.

Pro Tip! – For at aktivere sum clustering:

se eksempel salg data i en fuld skærm kort

Her kan du se sum clustering dataanalyse på salgsdata brudt ud af by eller stat. Regionerne er grupperet sammen, og byerne og staterne er gennemsnitlige. Når du forstørrer eller endda klikker på en klynge, vil du se mindre klynger, der viser, hvordan de mindre områder bidrager til den samlede sum.