Artikkelen viser deg hvordan du analyserer store datasett i Excel. Det er veldig viktig å kjenne til fordeler og ulemper med virksomheten din. Det er en dynamisk prosess å føre regnskap og salgsoppføringer til en organisasjon. Fordi salg, kjøp eller bytte skjer ofte i løpet av en periode. Så hvis du vil vite salgs- eller fortjenestepostene for de siste 3 eller 4 månedene fra i dag, kan du finne en enorm mengde data om dem. Heldigvis har Excel noen ganske kule funksjoner som hjelper deg med denne saken. Du kan analysere disse store datasettene etter deler i Excel og dermed gjøre beregningen enklere.

Last ned øvelsesarbeidsbok

Analyser store datasett.xlsx

6 måter å analysere store datasett i Excel

I denne artikkelen skal jeg bruke følgende datasett. Selv om dette datasettet ikke inneholder store mengder data, kan vi vise eksempler på hvordan man analyserer store datasett ved å bruke det.

Vi har salgsinformasjon om noen elektroniske enheter i dette datasettet.

Det er praktisk å bruke dette datasettet som en tabell mens du analyserer dem. For å konvertere disse dataene til en tabell

• Velg først datasettet og gå deretter til Sett inn >> Tabell .
• Etter det vil en dialogboks dukke opp. Pass på at du velger Mitt bord harmetoder eller spørsmål eller tilbakemeldinger angående denne artikkelen, del dem i kommentarfeltet. Dette vil hjelpe meg å berike mine kommende artikler. For flere spørsmål, vennligst besøk nettstedet vårt ExcelWIKI .

Ved å utføre denne operasjonen vil datasettet ditt konvertere til en Excel tabell .

1. Analyse ing Store datasett med pivottabell

Det er noen forskjellige måter å analysere store datasett i Excel. En av dem er å bruke pivottabellen fra Insert-fanen . En pivottabell hjelper oss å se informasjonen om salg av produkter etter nødvendige kolonner og rader. Dessuten kan vi se dem om måneder eller år. La oss gå gjennom prosessen nedenfor.

Trinn:

• Velg først datatabellen og gå deretter til Sett inn >> ; Pivottabell .
• Senere vil en dialogboks dukke opp. Du kan enten velge Nytt regneark eller Eksisterende regneark . Velg etter eget valg.

• Etter det, da vi valgte Nytt regneark , finner vi vår pivot Tabell funksjoner i et nytt regneark. Dra de nødvendige områdene ( Dato , Pris , Selgernavn osv.) til pivottabellfeltene . Dette vil vise deg et sammendrag av salgsinformasjon i pivottabellen .
• Her dro jeg datoområdet til radfeltet . Det ga meg et annet område som er Måned området automatisk slik at jeg kan observere salgsinformasjonen i måneder.
• Etter det la jeg også til selgerenGi navn i Kolonner-feltet , fordi du kanskje vil vite hvilken ansatt som solgte flest varer og gi ham en bonus.
• Og i Verdi-feltet , dro jeg Pris -området for å se hvor mye salg som skjedde i den perioden.

Hvis du ser på pivottabellen din. etter det vil du se følgende informasjon som dette. I henhold til feltene som vi har valgt, vil vi se totalt salg etter måned , hvor mye salg som har blitt utført av hver selger og Grand Sum av salget ved slutten av perioden.

• Du kan også se denne informasjonen etter datoer . Bare klikk på plussikonet ( + ) ved siden av Månedsnavnet .

Dermed kan du analysere store datasett ved å bruke pivottabellen . Det er veldig nyttig når du jobber med nesten daglig salgsinformasjon.

Les mer: Hvordan analysere data i Excel ved å bruke pivottabeller (9 passende eksempler)

2. Filterkommando for å analysere store datasett

En annen måte å analysere store datasett i Excel er å bruke Filterkommandoen . Dette kan hjelpe deg med å filtrere informasjonen basert på kriteriene du angir.

Trinn:

• Først velger du utvalget av datasett og gå deretter til Hjem >> Sorter & Filter >> Filter

• Etter det vil du se Filterikonet vises i overskrifter.
• Men hvis du vil se totalt salg med mva mens du bruker Filterkommandoen , må du bruke følgende formel.

=SUBTOTAL(9,Table13[Net Price])

Formelen her bruker SUBTOTAL-funksjonen for å returnere det totale nettosalget av de filtrerte dataene.

• Filtrer nå etter ditt ønske. Først viser jeg deg hvordan du filtrerer etter måned. Bare klikk på rullegardinikonet ved siden av Dato overskriften og merk av for én eller flere måneder .

• Etter å ha sjekket Mai og klikket OK , vil du se salgsinformasjonen for den måneden. Du vil også se totalt salg med mva i den måneden.

• Tilsvarende, hvis du vil du vite hvor mye salg som er utført av en individuell selger, bare sjekk navnet hans og klikk OK .

• Etter at at, vil du se den tilsvarende salgsinformasjonen i Excel-arket.

Dermed kan du analysere store datasett ved å bruke Filterkommandoen .

3. Implementering av Excel Power Query Editor for å analysere

Power Query Editor kan være svært nyttig for å analysere store datasett i Excel. La oss gå gjennom prosessennedenfor.

Trinn:

• Først velger du datatabellen din og går deretter til Data >> Fra Tabell/område .

• Etter det vil du se datasettet ditt i en Power Query Editor . Denne funksjonen har også filter . Vi kan bruke dem for å oppsummere eller se noen spesielle poster om salg eller ansatte.

• Selv om det ikke er nødvendig, er det praktisk å utelate tidsdelen i datoene for Datoen Det er en enkel prosess, så jeg kommer ikke til å vise deg skjermbildet. Bare gå til Transformer-fanen i Power Query Editor og velg deretter Dato >> Kun dato .
• Senere bruker du rullegardinikonet for å filtrere datoen. Du kan filtrere etter individuelle datoer eller måneder.

• Jeg foretrakk å filtrere etter måneder, så jeg valgte Mai . Det er alternativer for å filtrere i en periode ved å bruke Egendefinert filter . Du kan bruke den hvis du vil se salgspostene for flere måneder eller perioder.

• Deretter vil du se salg for måneden mai .

• Hvis du ønsker å laste disse dataene i et Excel-ark, klikker du bare på Lukk & Last inn .

Etter det vil du se salgspostene for måneden mai som en tabell i et nytt ark.

Du kan også filtrere etter selgernavnene eller Prisområde i Power Query Editor og last dem inn i et nytt ark etter samme prosedyre. Dermed kan du analysere store datasett ved å bruke Power Query Editor .

Lignende avlesninger

• Hvordan analysere Likert-skaladata i Excel (med raske trinn)
• Analyser kvalitative data fra et spørreskjema i Excel
• Hvordan analysere Tidskalert data i Excel (med enkle trinn)

4. Analysere store data med pivotdiagram

Hvis du vil analysere dataene dine ved hjelp av et diagram, kan du effektivt bruke pivotdiagrammet . La oss gå gjennom beskrivelsen nedenfor.

Trinn:

• Følg først prosedyren i del 1 for å lage en Pivottabell .
• Senere, i arket til pivottabellen , går du til Pivottabellanalyse >> pivotdiagram .
• Pass på at du velger en av cellene i pivottabellen .

• Etter det vil se en rekke alternativer for pivotdiagrammet . Velg en av dem og klikk OK . Jeg valgte et enkelt stolpediagram

• Deretter vil du se det månedlige totale salget i pivotdiagrammet .

• I tillegg, hvis du vil se salget etter datoer , er det bare å dra Dato området over Måned området i pivottabellfeltene .

• Senere,du vil se salget etter datoer i diagrammet .

Dermed kan du analysere store data setter ved å bruke pivotdiagrammet . Hvis dataene dine inneholder årlige salg eller transaksjoner i store mengder, kan du bruke pivotdiagrammet effektivt for en bedre visualisering.

5. Bruke Power Pivot til å analysere store datasett

Du kan også gjøre pivottabellen analyse av store datasett ved å bruke Power Pivot funksjon. Følg instruksjonene nedenfor.

Trinn:

• Først lukker du gjeldende arbeidsbok og åpner en ny arbeidsbok og gå til Power Pivot >> Administrer .

• Neste, i Power Pivot vinduet, velg Hjem >> Fra andre kilder .
• Etter det, Tabellimportveiviseren dukker opp. I den veiviseren velger du Excel-fil >> Neste .

• Deretter kan du bla gjennom Excel-arbeidsbok der datasettet er lagret.
• Senere klikker du Neste .

• Vi blir arbeider på power pivot arket i den arbeidsboken. Så vi sjekket det og klikket Fullfør .

• En bekreftelsesmelding vises, bare klikk på Lukk .

• Etter det vil denne operasjonen laste opp datasettet til det valgte arket som en tabell i Power Pivot

• Dataene du ser har ikke et riktig overskriftsnavn. Gi nytt navn til kolonneoverskriftene ved å høyreklikke og velge Gi nytt navn til kolonne fra kontekstmenyen .

• For å gjøre pivottabellen analysen velger vi pivottabellen .

• På dette tidspunktet vises en dialogboks . Hvis du vil ha pivottabellen i Eksisterende regneark , velg den og klikk OK . I mitt tilfelle valgte jeg at pivottabellen skulle vises i et Nytt regneark .

• Neste , vil du se pivottabellfeltene i et nytt ark. Velg Power Pivot og den vil vise deg alle områdene den inneholder som Dato , Pris , MVA , osv.

• Etter det, følg denne lenken i Seksjon 1 for å se hvordan du analyserer dataene ved å bruke en Pivottabell .
• Du kan bruke et diagram for å visualisere månedlig salgsinformasjon. For å se hvordan du analyserer data med et pivotdiagram , følg denne lenken til avsnitt 4 .

6. Bruk av analysedatafunksjonen

Sist men ikke minst, hvis du vil ha all dataanalysen i ett ark, må du bruke Analysedatafunksjonen fra Data-fanen . Dette vil spare deg for mye tid. La oss gå gjennom prosessen nedenfor.

Trinn:

• Først velger du tabellen og velger AnalyserData .

• Like etter det vil du se vinduet Analyser data på høyre side av Excel ark.

Rull ned og du vil få alternativene for å analysere dataene dine. Nedenfor her vil du se alternativet for pivottabell analysen.

Det følgende bildet viser analysealternativet Søylediagram for å sammenligne Pris og Nettopris på produktet.

• La oss bare velge Nettopris etter Produkt -diagram for å vise deg analysen.

Denne operasjonen vil vise deg en stolpediagram analyse av variasjonen av Nettopris etter Produktene .

Du finner flere andre alternativer hvis du blar nedover. Velg en av dine valg og fortsett med å analysere.

Dermed kan du analysere store datasett ved å bruke Analyser datafunksjonen .

Les mer: [Fikset:] Dataanalyse vises ikke i Excel (2 effektive løsninger)

Praksisseksjon

Her gir jeg deg datasettet til denne artikkelen, slik at du kan praktisere disse metodene på egen hånd.

Konklusjon

Til slutt kan vi anta at du vil lære veldig produktive metoder for hvordan du analyserer store datasett i Excel. Hvis du ikke vet hvordan du skal analysere dine store datasett , må du bruke manuelle prosesser som vil koste deg mye tid. Hvis du har noe bedre