या मोफत कोर्समध्ये तुम्ही शिकाल:
- डेटाबेसमधून पिव्होट टेबल कसे तयार करावे.
- डेटाबेसचे मूल्यांकन आणि विश्लेषण कसे करावे.
- बेरीज, सरासरी आणि बेरीज यासह डेटा कसा प्रदर्शित करायचा.
- टक्केवारी म्हणून डेटा कसा सादर करायचा.
- डेटा कसा अपडेट करायचा.
- हा व्हिडिओ कोणालाही समजेल अशी सोपी, स्पष्ट भाषा वापरतो.
Excel मध्ये पिव्होट टेबल म्हणजे काय?
मुख्य सारणी हे एक्सेल (किंवा इतर स्प्रेडशीट) साधन आहे जे डेटाच्या संचाचे (स्रोत डेटा) विश्लेषण करण्यासाठी वापरले जाते.
या सारण्यांमध्ये डेटा आहे जो जलद आणि सहजपणे गटबद्ध, तुलना आणि एकत्र केला जाऊ शकतो.
"डायनॅमिक" उपसर्ग म्हणजे जेव्हा डेटाबेस बदलतो तेव्हा संपूर्ण सारणी आपोआप अपडेट होते, त्यामुळे ते नेहमी अद्ययावत असते.
प्रत्येक डेटाबेस स्तंभ हा मुख्य सारणीचा भाग असतो आणि मुख्य सारणीतील सूत्र (गणितीय गणना) एकत्रित स्तंभांवर लागू केले जाऊ शकते.
दुसर्‍या शब्दात, पिव्होट टेबल हे डेटाबेसमधील सारांश सारणी आहे जे सूत्रांमुळे वाचणे आणि त्याचा अर्थ लावणे सोपे आणि जलद आहे.
मुख्य सारण्या कशासाठी वापरल्या जातात?
पिव्होट टेबलचा वापर अनेकदा अहवाल तयार करण्यासाठी केला जातो. पिव्होट टेबल्सचा मुख्य फायदा म्हणजे ते बराच वेळ वाचवतात. याचा अर्थ तुम्हाला डेटाबेसमध्ये जटिल सूत्रे तयार करण्याची किंवा पंक्ती आणि स्तंभ लपविण्याची गरज नाही. या साधनासह, तुम्ही फक्त काही क्लिक्ससह एक टेबल तयार करू शकता.
त्यामुळे मोठे डेटाबेस समजून घेणे आणि वापरणे सोपे आहे.
मुख्य सारण्यांसह, तुम्ही सहजपणे टेबल तयार करू शकता आणि त्यांचे विश्लेषण करू शकता आणि डेटाबेसमधील कालावधी बदलून ट्रेंडचे अनुसरण करू शकता (उदाहरणार्थ, जर तुम्ही स्टोअरमध्ये कपड्यांच्या विक्रीचे विश्लेषण करत असाल, तर तुम्ही एका क्लिकवर पाहू शकता की कोणता कालावधी सर्वोत्तम आहे).
पिव्होट टेबल वापरण्याचा खरा उद्देश शक्य तितक्या लवकर निर्णय घेणे हा आहे. तुमच्या गरजा पूर्ण करणारी सुरेख रचना आणि सूत्रे तयार करणे हे तुमचे कार्य आहे.
लहान आणि मध्यम आकाराच्या व्यवसायांसाठी मुख्य सारण्या: ते कशासाठी चांगले आहेत?
खालील उद्देशांसाठी या प्रकारच्या लहान रचनांमध्ये TCD चा वापर केला जातो:
- चार्ट आणि अंदाज डॅशबोर्ड तयार करा.
- व्यवसाय किंवा विक्री संबंधित डेटाचा मागोवा घ्या आणि त्याचे विश्लेषण करा.
- कर्मचारी वेळ आणि काम ट्रॅक.
- रोख प्रवाहाचा मागोवा घ्या आणि त्याचे विश्लेषण करा.
- इन्व्हेंटरी पातळी व्यवस्थापित करा.
- समजण्यास कठीण असलेल्या मोठ्या प्रमाणात डेटाचे विश्लेषण करा.
