Lis, som ikke hedder Lis i virkeligheden, startede med at fortælle om at hun havde brug for mere viden om Excel og inspiration til at hjælpe hende med at arbejde effektivt med Excel. Lis er daglig bruger af Excel og efter en snak om Excel, så vurderede jeg at Lis har et kendskab til Excel der nogenlunde svarer til det man bliver introduceret for på vores udvidede Excel kursus. Nu var det store spørgsmål så hvad der skulle være næste trin og i hvilken retning Lis skulle bevæge sig.

I Excel er der så mange forskellige retninger man kan fordybe sig i. De fleste bruger bare et lille udpluk at de værktøjer der er til rådighed i Excel. Nogle arbejder primært med små opstillinger andre arbejder mest med analyse af store datamængder der importeres fra økonomisystemer og andre datakilder. Andre igen arbejder mest med at visualisere data i diagrammer og tabeller.For Lis var Excel et universalværktøj der skulle bruges til lidt af hvert. Sådan er det tit. Det værktøj du har i hånden er også det værktøj du bruger til at løse opgaven med. Det er ikke altid det bedste værktøj, men det er nu engang det værktøj man har.

Lis fik ugentligt en masses produktionsdata leveret som .CSV fil og importerede dem til Excel hvor de skulle sammenholdes med andre data der i forvejen stod i en Excel fil. Og lige netop denne del af processen med at importere data og få dem sammenholdt med de data der stod i Excel filen i forvejen gav konstant problemer. Dels var der problem med datoer der ikke blev oversat korrekt så Excel forstod det var en dato, og dels var der kolonner der skulle slettes eller tilføjes. Jeg kunne kun bekræfte Lis i at hun ikke er ene om dette irriterende men meget almindelige problem. Til gengæld kunne jeg så også sige at der findes masser af muligheder for at angribe dette problem så det minimeres eller helt forsvinder.

Det viser sig nemlig at Lis arbejdede med en af de nyere versioner af Excel, så hun havde mulighed for at arbejde med værktøjet Power Query til import og oprens af data. Men det værktøj kendte Lis ikke. En anden mulighed som viste sig var at Lis havde mulighed for at udtrække de ønskede data direkte fra firmaets database. Lis havde prøvet dette et par gange, men det lykkedes ikke helt at få de data hun ville have, og IT-afdelingen havde ikke rigtigt tid til at hjælpe hende hver gang. Så derfor arbejdede hun videre med de problematiske .CSV filer og de problemer det giver hver gang. Mit råd til Lis var i første omgang ikke at fortvivle, fordi der findes løsninger på problemerne.

Dataudtrækket direkte fra databasen ville være sikkert en af de bedste løsninger for Lis, men desværre så var Lis ikke fortrolig med sproget SQL som er grundstenen i al dataudtræk fra databaser. Hvis man starter rigtigt med sproget SQL, så er det faktisk ret hurtigt at lære det grundlæggende og nødvendige SQL til at hjælpe med udtræk af data.

Moderne arbejde med at sammenstille data fra flere forskellige datakilder, skabe overblik og rapportere med Excel har taget et kæmpe teknologisk spring frem de seneste år. Selv for rutinerede brugere af Excel er det en ny verden af værktøjer og muligheder der er blevet åbnet for. Excel har fået integreret en samling af værktøjer som bredt omtales som ”Self Service BI” værktøjer. Med ”Self Service” menes bogstaveligt talt ”Self Service”. Hvor du tidligere måske kunne henvende dig i IT-Afdelingen og få hjælp til dine dataudtræk, så er deres svar nu at de ikke har tid, og at du har fået værktøjerne til selv at gøre det.

Et område hvor jeg ofte ser at garvede Excel brugere mangler viden er kendskabet til databaser. I ”Self Service BI” verdenen er det overladt til brugeren at udvælge de rigtige data fra den rigtige datakilde. Dette inkluderer forståelse af hvordan data er struktureret i tabeller i en database. Hvad er et view? Og hvad er forskellen mellem en tabel og et view? Hvorfor er der forskel på data trukket ud fra vores Data Warehouse og så data trukket fra vores transaktionsdatabase?

Arbejde med Databaser er på mange områder meget anderledes end arbejde med Excel data, og erfaringen siger at indlæringskurven er betydeligt mere stejl ved databaser end ved Excel. For at komme godt i gang data analyse, er det som regel nødvendigt med en eller anden form for uddannelse. Tænk blot på den viden og erfaring der ligger gemt i IT-medarbejderens hoved, den er ikke kommet gratis eller af sig selv.

Jeg forklarede Lis, at hos 4D har vi lavet et uddannelsesforløb der bygger denne bro mellem at være en garvet Excel bruger og kunne arbejde sikker og effektivt med data fra forskellige kilder og manipulere dette. Vi kalder uddannelsen for Excel Data Analyst.

Uddannelsens indhold er bygget ud fra mange års erfaring med hvilke arbejdsopgaver vores kunder har og hvilke værktøjer der skal bruges til at løse opgaverne. I uddannelsen der er opdelt i flere forløb, arbejder vi med at skabe en solid og sammenhængende forståelse for hvilke muligheder man har for at arbejde med data analyse i Excel. Både relativt simple værktøjer men også avancerede værktøjer. Vi har nøje udvalgt områder og værktøjer som vores mangeårige erfaring har vist er nyttige og anvendelige i hverdagens data analyse. Begreber som Primærnøgler og Fremmednøgler, Relationer og Stjerneskemaer og Dimensionstabeller bliver hverdag gennem hele forløbet.

Lis havde ved flere lejligheder forsøgt at trække data fra firmaets database men ikke fået det ønskede resultat. Nøglen til at få de rigtige data ud fra databasen ligger i sproget SQL. 4D har selvfølgelig kurser i SQL, men og det indgår også som en naturlig del i forløbet Excel Data Analyst, hvor man også trænger dybere ned i sproget og dets muligheder. I ” Excel Data Analyst” uddannelsen kommer vi bare meget bedre ind i sproget SQL fordi vi kommer til at anvende det i så mange forskellige arbejds relevante situationer.

Der er altid en spændende dialog mellem alle deltagere om hvordan teorierne kan implementeres i den virkelige verden. Jeg har ofte været i dialog med IT-Afdelinger i forskellige virksomheder for at forklare hvad det er uddannelsen giver deltagerne, og i sidste ende virksomheden, af muligheder efter endt uddannelse.

Af andre værktøjer der indgår i uddannelsen kan nævnes Power Query til datarens og manipulation. Mange analyser involverer flere dataset og store dataset så Excels Data Model bliver en integreret del af arbejdet med at analysere og rapportere. Værktøjet Power Pivot med de indbyggede DAX formler til aggregering indgår ligeledes i uddannelsen.

Så efter en lang snak med Lis, sluttede jeg af med at spørge om al min snak og rådgivning havde gjort det mere klart for Lis hvilken vej Lis skulle vælge for komme videre. Lis var meget ærlig og svarede ”Det er godt nok svært. Der er jo så mange områder der kunne være nyttige for mig”. Lis fik mit telefonnummer og min mail så hun kunne kontakte mig senere hvis hun ville have yderligere råd og hjælp. 

Forleden fik jeg så en mail fra Lis. Hun havde sammen med sin arbejdsplads besluttet at det bedste var at Lis deltager i vore uddannelse Excel Data Analyst for på denne måde at få en helstøbt pakke med stærke værktøjer til data analyse i Excel.

Jeg glæder mig allerede til at møde Lis og de andre på holdet, for det er fantastisk at arbejde med formidling af viden når man kan se og mærke at det er noget som deltagerne kan bruge i deres hverdag. På uddannelsen, der består af 5 moduler af 2 dages varighed, som strækker sig over cirka 10 uger er der altid stor erfarings udveksling mellem deltagerne og problemer og løsninger bliver vendt og drejet fra mange vinkler.

Jeg kan klart anbefale Excel Data Analyst uddannelsen til alle, der ønsker at arbejde målrettet og effektiv med data i Excel uanset datakilden.