På dette gratis kursus lærer du:
- Sådan opretter du pivottabeller fra en database.
- Hvordan man evaluerer og analyserer databaser.
- Sådan vises data, inklusive totaler, gennemsnit og summer.
- Sådan præsenterer du data i procent.
- Sådan opdaterer du data.
- Denne video bruger et enkelt, klart sprog, som alle kan forstå.
Hvad er en pivottabel i Excel?
En pivottabel er et Excel-værktøj (eller andet regneark), der bruges til at analysere et sæt data (kildedata).
Disse tabeller indeholder data, der hurtigt og nemt kan grupperes, sammenlignes og kombineres.
Det "dynamiske" præfiks betyder, at hele tabellen automatisk opdateres, når databasen ændres, så den altid er opdateret.
Hver databasekolonne er en del af en pivottabel, og en formel (matematisk beregning) i en pivottabel kan anvendes på de kombinerede kolonner.
Med andre ord er en pivottabel en oversigtstabel i en database, der er nemmere og hurtigere at læse og fortolke takket være formler.
Hvad bruges pivottabeller til?
Pivottabeller bruges ofte til at oprette rapporter. Den største fordel ved pivottabeller er, at de sparer meget tid. Det betyder, at du ikke behøver at oprette komplekse formler eller skjule rækker og kolonner i databasen. Med dette værktøj kan du oprette en tabel med blot et par klik.
Store databaser er således nemmere at forstå og bruge.
Med pivottabeller kan du nemt oprette og analysere tabeller og følge trends ved at ændre perioden i databasen (hvis du f.eks. analyserer tøjsalg i en butik, kan du med et enkelt klik se, hvilken periode der er den bedste).
Det egentlige formål med at bruge pivottabeller er at træffe beslutninger så hurtigt som muligt. Din opgave er at skabe en veldesignet tabel og formler, der opfylder dine behov.
Pivottabeller til små og mellemstore virksomheder: hvad er de gode til?
TCD'er bruges ofte i denne type små strukturer til følgende formål:
- Opret diagrammer og prognose-dashboards.
- Spor og analyser forretnings- eller salgsrelaterede data.
- Spor medarbejdernes tid og arbejde.
- Spor og analyser pengestrømme.
- Administrer lagerniveauer.
- Analyser store mængder svære at forstå data.
