Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Excel konzultáció 4. Gyakorlat Dr. Pauler Gábor, egyetemi docens, ev. Adószám: 63673852-3-22 Számlaszám: 50400113-11065546 Telephely: 7666 Pogány, Széchenyi.

Hasonló előadás


Az előadások a következő témára: "Excel konzultáció 4. Gyakorlat Dr. Pauler Gábor, egyetemi docens, ev. Adószám: 63673852-3-22 Számlaszám: 50400113-11065546 Telephely: 7666 Pogány, Széchenyi."— Előadás másolata:

1

2 Excel konzultáció 4. Gyakorlat Dr. Pauler Gábor, egyetemi docens, ev. Adószám: Számlaszám: Telephely: 7666 Pogány, Széchenyi u. 1. Tel: 30/

3 A gyakorlat tartalma 3. Házi feladat ellenőrzése: számok szöveggé konvertálása A felsővezetői jelentési rendszer alapfogalmai On-Line Analytical Processing (OLAP) alapfogalmai –OLAP rendszerek adatkockái –OLAP rendszerek használata –OLAP rendszerek relációs adatbázis háttere –OLAP rendszerek aggregációs diagrammjai 4-4.PÉLDA:Tops áruházlánc –OLAP rendszerek formuláinak működése –OLAP rendszerek mértékegység-egyeztetése Az Excel Kimutatások fogalma, helyük az objektumok közt –Kimutatások tipikus adatforrásai –Kimutatások adatforrás-megadása –Kimutatások beállításai –Kimutatások elrendezése –Kimutatások kezelőszervei –Kimutatások formulái –Kimutatás-diagrammok –Kimutatások adatai normál Excel-diagrammokon –Kimutatások adatforrásának átállítása –Kimutatások másolási szabályai 4-1.Házi feladat: Továbbszámolás Excel kimutatásból: Volatilitások

4 A felsővezetői jelentési rendszer alapfogalmai A relációs adatbáziskezelővel az űrlapokhoz (lásd: Lesson1) teljesen hasonló módon jelentéseket (Reports) is generálhatunk. Ezek három dologban különböznek az űrlapoktól:Lesson1 –Nem a szervezet alsó szintjén dolgozók használják fel őket rutinszerű egyszerű döntésekhez, hanem a felsővezetés (Top Management) a nem rutinjellegű stratégiai döntésekhez –Nem rögzíthetünk beléjük adatot, csak megjelenítik az adatbázis adatait, ezt viszont szöveges, táblázatos és diagrammos formában is meg tudják tenni –Ezek az adatok nem a szervezet által végzett tevékenységek elemi, széttagolt tranzakció-jellegű adatai (Transaction Processing) (pl. egy adott számla végösszege) hanem régiókra, ügyfelekre, alkalmazottakra, termékekre, stb. csoportosított és összesített, aggregált adatok (Aggregate Data) (pl. Dél-Dunántúl régió 3. negyedéves összforgalma romlandó élelmiszerekből) A jelentések statikus szerkezetűek (Static Structure): a mutatott adatok fajtái, csoportosítása és aggregációi fixek, csak az adattartalom frissül folyamatosan az adatbázisból. Az üzleti életben azonban olyan nagy a bizonytalanság, hogy a legnagyobb pénzt érő döntési problémák nem struktúráltak (Ill Structured Decision Problems) – a felsővezető nem tudja megadni, hogy milyen adatokra lesz szüksége 3 vagy 6 hónap múlva! Bármi kellhet, attól függ, mi lesz! Ezért rendszerfejlesztéskor általában elkezd követelni mindenféle fajta jelentést, ami csak eszébe jut: pl. „kérem a termékkategóriánkénti eladásokat negyedévenként, régiónként, üzletkötőnként, fogyasztói csoportonként” Egyszerűen nincsen tudatában, hogy ezzel a félmondattal egy több száz oldalas jelentést definiált, mert ezen halmazok elemei összeszorzódnak: pl. a 44 kategória diagrammja × 4 negyedév × 5 régió × 8 üzletkötő × 12 fogyasztói csoport = 1920 db diagramm A tapasztalatlan adatbázis szakember ezt el is készíti, és még büszke is rá, hogy milyen ügyes volt. A menedzser bele fog fulladni a kinyomtatott jelentésekbe! Senki nem olvas el 1920 oldalt, pláne nem egy elfoglalt felsővezető (max. 5 oldal/nap) Nagyon elégedetlen lesz, mert bár a rendszer működik, és sok pénzt fizettek érte, mégsem tudja használni semmire, hiába kap egy több mint ezer oldalas jelentést, neki csak az az öt szám kellene, amit pont nem talál benne. Ezt a jelenséget nevezzük jelentéstenger-csapdának (Report Flood Trap).

5 4-5.ELRETTENTŐ PÉLDA: Tops Friendly Markets Inc. Mikor az áruház marketingesei közölték a kívánságaikat, összeszámoltam: 6664 oldal lett volna Két hét alatt, késhegyre menő, keserves videokonferenciá k sorozatában lealkudtam 653 darab diagrammra Generálták a jelentést az indiai beosztottak... És ez így ment 653 oldalon keresztül... Mikor a marketingesek látták, hogy 653 oldal, bele sem néztek soha... Ki sem fizették soha...

6 On-Line Analytical Processing (OLAP) alapfogalmai 1 A jelentéstenger csapda on-line analitikus feldolgozás (On-Line Analytical Processing, OLAP) bevezetésével oldható fel, amely egy, a relációs adatbáziskezelésre épülő, de annál fejlettebb adatkezelési módszertan: Lehetővé teszi az adatok dinamikus, futás közben megváltoztatható struktúrában (Dynamic Structure) történő megjelenítését A felhasználó számára biztosítja a csoportosítások, aggregációk, rendezések bonyolult SQL programozás és adatbázis áttervezés nélküli, egyszerű grafikus felhasználói felületen (Graphic User Inteface, GUI) keresztül történő azonnali megváltoztatását, így nem kell az adatbázis programozókra várni Tárolási rendszere lehetővé teszi az ehhez szükséges nagytömegű, de viszonylag egyszerű aggregációs számítás gyors elvégzését Az OLAP tárolási rendszerének hierarchikus részei a nagy egységektől a kicsi felé haladva: Adattárház (Data Warehouse, DW): egy szervezet szabványos mezőtipusokat használó, összefüggő adatbázis terv alapján, azonos relációs adatbáziskezelőben tárolt összes, tisztított, szinkronizált, kompatibilis adata. Mivel az adattárház elég divatos frázis, gyakran büszkélkednek vele olyan szervezetek, akik nagyon messze vannak még tőle: NEM adattárház, amikor egy szervezet különálló informatikai szigetalkalmazásait furfangos programozók alkalmi megoldásokkal összekötögetik. Az ilyen rendszer recsegve-ropogva eleget tesz vezetői jelentésgenerációs feladatoknak de OLAP-ot és adatbányászatot már nem tud kiszolgálni (Ilyenre tipikus példa az átlagos magyar vegetáló kis-középvállalatok (KKV) rendszerei). A valódi adattárház több évnyi és százmillió forintnyi erőfeszítésre van ettől a helyzettől: az eredetileg elszigetelt adatbázisok terveinek egyesítése, tartalmuk szinkronizálása nem úszható meg a szervezet egészére kiterjedő BPR nélkül, ami költséges és sok konfliktussal járó dolog. Így önálló adattárház fejlesztése csak a legnagyobb cégek esetén térül meg. Ezért egy KKV számára sokkal reálisabb lehetőség adattárház létrehozására integrált vállalatirányítási (Enterprise Resoulce Planning, ERP) szoftver megvásárlása: Olyan adattárház, amely a szervezet különböző funkciói (pl. könyvelés, pénzügy, értékesítés, gyártás) szerint önmagukban is működőképes modulokra (Module) van osztva, és részenként is megvásárolható és bevezethető. A modulokat az OLAP terminológájával adattárnak (Data Mart) nevezzük, és olyan magas szinten vannak integrálva, hogy a teljes szervezeti működés összes folyamatára biztosítják a redundancia- és adatvesztésmentességet, valamint az egyértelmű hivatkozásokat Az ERP szoftver gyártók általában tanácsadói szolgáltatást is adnak a bevezetéskor

7 On-Line Analytical Processing (OLAP) alapfogalmai 2 Az ERP szoftvergyártók a KKV-k igényeihez és finanszírozási lehetőségeihez igazodva különféle méretbeli, árbeli és tudásbeli verziókban kínálják termékeiket: Csak a nagy gyártók ( ) gyártanak minden funkcionális modult, a kisebbek nemhttp://www.sap.com/index.epx Az ERP rendszerek sok szektor-specifikus tudást igényelnek: másképp működik egy bank, egy egyetem, egy olajtársaság. A nagy gyártók szépen elosztották egymás közt a szektorokat, hogy ne kelljen versenyezniük: Ezenkívül, nem olyan rugalmasak, mint azt fennen hirdetik magukról: a bevezetéskor inkább a szervezetnek kell a folyamatait az ERP-hez igazítani, mint fordítva. A gyártóknak annyi igazsága van gazságuk mellett, hogy egy kaotikus szervezetben nem lehet eredményesen ERP-t bevezetni, és így kikényszerítik a bevezetés során a drága és hosszadalmas BPR-t, amit általában szintén ők végeznek Ezért egy ERP-bevezetés költsége még egy jól működő céget is megráz: kb év, mire az ERP nem a veszteségeket meg a gondokat termeli, hanem elkezd stratégiai verseny- eszközzé válni, igaz attól kezdve a szervezetnek felmérhetetlen előnye van olyan versenytársakkal szemben, akiknek nincs, vagy kényelmességből, takarékosságból csak 1- 2 modult vezettek be. Erre például szolgálhat a finn elektronikai alkatrészgyártó, az Elcoteq (http://www.elcoteq.com/en ) tündöklése és hanyatlása: bevezették a Baan rendszer (http://www.ssaglobal.com/solutions/erp/ln.aspx ) könyvelés és pénzügy modulját, azonban a logisztikát nem, és kicsi, toldozott-foltozott szigetalkalmazásokkal pótolták. A felsőveze- tés szűklátókörűsége eredményeképpen 2006-ban negatív üzleti-üzemi eredményt sikerült elérniük egy évi 10-12%-kal dinamikusan bővülő piacon!http://www.elcoteq.com/enhttp://www.ssaglobal.com/solutions/erp/ln.aspx ERP rendszerek Vállalat: kisközepesnagy Microsoft NavisionXX Microsoft AxaptaXX SAP Business OneXX SAP All-in-OneXX SAP Business SuitX ProgenMachinátorXX Progen - sERPaXXX Szektor Microsoft SAP AxaptaNavis Kis/nagykeresked.XXX gyártásXX üzleti szolgáltat.XX építőiparXX élelmiszeriparXXX divat-, textiliparXX szállítmányozásXX jövedéki termékekXX államigazgatásXX szolgáltatásXX olajiparX postai szolgáltatásX banki szolgáltatásX egészségügyX gyógyszeriparX vasúti szolgáltatásX telekommunikációX médiaX mérnöki fejlesztésX

8 OLAP rendszerek adatkockái Ha a szervezet szert tett működő adattárházra, ettől kezdve az adatok sem úgy jelennek meg az elemzés számára mint adott adatbázistáblák adott mezői, holott az OLAP relációs adatbázis kezelésen alapul: pl. ha biztosak lehetünk benne, hogy a Dátum vagy Régiókód az egész adattárház több 1000 táblájában ugyanolyan típussal, ugyanazt jelentik, akkor mindegy hogy melyik táblában tárolódnak, egyfajta „virtuális mezővé” válnak az OLAP tárolási rendszerében: Dimenzió (Dimension, DIM): egy adott típusú, értékhatárú mező Pl.: Sales, Profit Pozíció (Position, POS): egy dimenzió egy lehetséges értéke Pl.: Sales={Low, High}, Profit={Low, High} Adatkocka (Data Cube, DC): több dimenzió értékeinek összes lehetséges kombinációja, Pl.: Sales×Profit={ (Low,Low), (Low,High), (High,Low), (High,High) } cellákból áll Változó/mérték (Measure, MS): egy dimenziókból álló adatkocka celláiban megfigyelt azonos típusú értékek Pl.: Number of Customers Hierarchikus szintek (Hierarchic Levels, HL): –Egy dimenzió halmaz-részhalmaz kapcsolatban álló felső/alsó szintű értékhalmazai –A felsőbb szint egy értékéhez az alsóbb szint összes értéke tartozik –Pl.: havi_eladások={jan..dec}  heti_eladások={1..4}  napi_eladások={H..P} Aggregáció (Aggregation): a hierarchikus szintek mentén történő felfele mozgás aggregációs függvények (Count:darab, Sum:összeg, Avg:átlag, Min, Max, Stdev:szórás, Var:variancia) segítségével Lefúrás (Drill): a hierarchikus szintek mentén történő lefele mozgás az aggregátumok mögött álló elemek kibontásával Az adatkockát tulajdonképpen a programozásból már ismert többdimenziós tömbök és az adatbázis táblák „közös gyermekeként” képzelhetjük el: Az adatbázis táblában csak sorok és oszlopok lehetnek, de sort/oszlopot bármikor be lehet szúrni/törölni A többdimenziós tömbben nemcsak sorok, oszlopok, hanem több dimenzió is lehet, de nem lehet deklaráció után dimenzió- értékeket beszúrni/törölni Az adatkocka objektum lehet sok dimenziós, és bármikor lehet dimenzió értékeket beszúrni/törölni, viszont szerkezete jóval bonyolultabb az előbbieknél

9 OLAP rendszerek használata Képlet (Formula): Több adatkocka measure-jeiből (pl. eladás, ár, árrés) függvényekkel, matematikai műveletekkel kiszámított újabb adatkocka (pl. profit) A résztvevő adatkockák dimenzióinak NEM kell teljesen azonosnak lennie, elég, ha valamely hierarchikus szintű bontásukban kompatibilisek egymással A dimenzionális egyeztetést és a számításokat az OLAP motor (OLAP engine) automatikusan elvégzi Kivételekben történő bányászkodás (Mining by Exceptions): amikor a felsővezető az aggregált adatok közül kiugrót, szokatlant 1 kattintással, 1 perc alatt – programozás nélkül - lefúrással részekre bontja, és megtalálja a döntéshez szükséges infót (pl. a veszteségek oka), anélkül, hogy átnyálazná a mögöttes rekordot! katt Miért pont Buffaloban csökkentek a legjobban az eladások? Miért pont az alacsony – közepes profitabilitású csoportban nagy az esés? A lojális vevőinket vesztjük el!

10 A gyakorlat tartalma 3. Házi feladat ellenőrzése: számok szöveggé konvertálása A felsővezetői jelentési rendszer alapfogalmai On-Line Analytical Processing (OLAP) alapfogalmai –OLAP rendszerek adatkockái –OLAP rendszerek használata –OLAP rendszerek relációs adatbázis háttere –OLAP rendszerek aggregációs diagrammjai 4-4.PÉLDA:Tops áruházlánc –OLAP rendszerek formuláinak működése –OLAP rendszerek mértékegység-egyeztetése Az Excel Kimutatások fogalma, helyük az objektumok közt –Kimutatások tipikus adatforrásai –Kimutatások adatforrás-megadása –Kimutatások beállításai –Kimutatások elrendezése –Kimutatások kezelőszervei –Kimutatások formulái –Kimutatás-diagrammok –Kimutatások adatai normál Excel-diagrammokon –Kimutatások adatforrásának átállítása –Kimutatások másolási szabályai 4-1.Házi feladat: Továbbszámolás Excel kimutatásból: Volatilitások

11 OLAP rendszerek relációs adatbázis háttere OLAP rendszereket számos gyártó kínál, ezek két csoportra oszthatók: Multidimenzionális OLAP (MOLAP): az adatkockák sokdimenziós linkrendszer segítségével fizikailag tárolódnak. Ez gyorsabb, de óriási a tárigénye, és drága Relációs OLAP (ROLAP): az adatkockák nem tárolódnak fixen, hanem mindig relációs adatbázisból számolódnak ki. Ez lassabb, de kisebb tárigénye van, és olcsóbb. Ezen rend- szerek egyik legegyszerűbb, de legköltség- takarékosabb változata az Excel kimutatás! Az OLAP adatkockák csillag/hópehely struktúrának (Star/Snowflake Structure) nevezett tábla- csoportokban tárolódnak az adattárházban: tény- egyedekA struktúra középpontjában mindig tranzakciókat (pl. eladások), az üzleti folyamat műveleteit leíró egyedek találhatók, ezek OLAP-ban a tény- egyedek (Facts) A tényegyedekben szereplő elsődleges-/ idegen kulcsmezőket tényattribútumoknak (Fact Attribute) nevezzük, más mezőik mértékek (Measure) lesznek A tényegyedekre csatolódnak (Fact-Dimension Join) körben a dimenzió leíró egyedek (Dimensions) A dimenziók önmagukban is 1:több csatolásokkal (Intra-Dimension Join) láncba kapcsolt egyedekből álló fix szint-(Level) számú hierarchiát (Hierarchy) alkothatnak A dimenziókban szereplő elsődleges- és idegen kulcsok a dimenzió attribútumoknak (Dimension attribute), más mezőik a dimenzió leíró adatok (Dimension-related Data) Termék # Vonalkód * Név * Egységár * ITJ-kateg Cég # Adószám * Név * TuldKód Vásárló # Vásárlókód * Név * SzegmKód Számla # Számlaszám * Dátum * Végösszeg * Adószám * Vásárlókód Tétel # Tételkód * Mennyiség * Érték * Szlaszám * Vonalkód ITJ # ITJ-kateg * Név Szegmens # SzegmKód * Név Tulajdonos # TuldKód * Név

12 OLAP rendszerek aggregációs diagrammjai: 4-6.PÉLDA:Tops áruházlánc Bonyolultabb csillag- és hópehely struktúrákat aggregációs diag- rammon (Aggregation Diagram) ábrázolhatunk, amely egy 2 ten- gelyű koordináta rendszerbe írt, dimenzió és tranzakció egyedek kapcsolati diagrammja: A vízszintes tengelyen az alkal- mazási probléma aggregációs szintjei (alsó,közép,felső) vannak A függőleges tengely sávjaiban a probléma dimenziói vannak, 1:több kapcsolt felső:alsó szintű egyedekkel. Ezek lehetnek elá- gazó (Fork) dimenziók: 1 egyed- hez több felettes egyed tartozik, és lehetnek rekurzív (Recursive) dimenziók: egy szint egyedjének önmagára mutató 1:többkapcso- lata van, nem fix szintszámú hi- erarchiát alkotva (pl. TermCsop) A kocka-aggregátum egyedek (Cube Aggregates) a tényadatok sávjában jelennek meg, tartal- muk adott ügyfél igényeitől függ De neveik mindig a résztvevő dimenziók rövid neveiből állnak Idegen kulcsok mutatnak bennük az aggregáló dimenziók értékeire Normál mezőik pedig a mérték mezők aggregátumai(Sum,Avg..) Ha két aggregátum rekordjai közt 1:több kapcsolat van, akkor kom- patibilisnek (Compatible) hívjuk Alsó- Közép- Felső- aggreg.szintek Dimenziók: Tér Idő Termék Üzlet Fogyasztó Negyedév # NegyÉv * ÉvSzám Tényadatok Tranzakció # TranzKód * Dátum * ÜzletKód * KártyaKód Tétel # TételKód * Mennyiség * TranzKód * ÁrazKód Termék # Vonalkód * Leírás * TermKód TermCsop # TermKód * TermNév * FelettKód Kártya # KártyKód * VevőNév * HáztKód Szegmens # SzegKód * SzegNév * LojKód * ProfKód Háztartás # HáztKód * Cím, demo * Duráció * SzegmKód * LegjobbÜzl Üzlet # ÜzlKód * RégióKód * VersCsop Régió # RégióKód * RégióNév VersCsop # VersCsop * CsopNév Profit # ProfKód * ProfNév Lojalitás # LojKód * LojNév Árazódás # ÁrazKód * VonalKód * Hétszám * RégióKód * EgységÁr * EgysKtg Kupon # Vonalkód * Típus * Engedm * ÁrazKód Nap # Dátum * HétSzám Hét # HétSzám * NegyÉv Év # ÉvSzám HétSzegTerm # HéSZeTeKód * Fogyaszt * HétSzám * SzegKód * TermKód HétSzeg # HéSZeKód * Fogyaszt * HétSzám * SzegKód 1.Hét 2.Hét JóVevő Rossz Csavar Anya 58$ 72$ 25$ 20$ 26$ 79$ több:1

13 OLAP formulák működése Egy bonyolult OLAP rendszerben sok szinten (Háztartás < fogyasztói cso- port/Szegmens/ < Lojalitási csoport) Többféle mértéket(Forgalom,$, Profit, $) vagy kiszámított mezőt (Formula) (Profitabilitás,% = Profit/Forgalom) Akár több dimenzió (Üzlet, Hét) sze- rint aggregálunk különböző aggregáci- ós függvényekkel (Count, Sum, Avg) Ilyen körülmények közt elég könnyű számolási hibát csinálni, ami egy fel- sővezetői jelentésben óriási kárt okoz. Ezek elkerülése érdekében jegyezzük meg a következőket: Az adatkocka mindig előbb a formulá- ban operanduszként résztvevő mérté- kekre előírt aggregációt számítja ki (pl Sum), és csak utána a formulát!!! Az aggregáció szintjein fölfelé haladva mindig csak Count vagy Sum-mal aggregált mérté- keket aggregálhatok tovább, nem szabad olyan számított mezőt tovább aggregálni, aminek kiszámításában osztás, Avg, Stdev aggregáció volt! Ez az OLAP többszintű abszolút aggregációs szabálya (Multi-Level Absolute Aggregation Rule) Miért van ez? 4-6.PÉLDA: Ha több szinten, pl. a Szegmensek, és a Lojalitási csoportok szintjén is szeretném látni a Profitabilitás%-ot, akkor a számlálót (Profit) és a nevezőt (Forgalom) külön-külön aggregálom a szinteken fölfelé Sum-mal, és csak a felhasználás helyén számítom ki az arányukat, de azzal nem számolhatok tovább! Pl. ha a jó vevők (Good) és a rossz vevők (Bad) szegmens-szintű profitabilitásait (50% és 10%) átlagolnám, 30% összesített profitabilitást kapnék a teljes 1-es lojalitási csoportra. De ez téves, mert sokkal több rossz vevő volt, mint jó vevő, csak súlyozottan lehetne helyesen átlagolni a profitabilitásukat, az OLAP viszont nem tud súlyozottan átlagolni. Ha viszont külön összeadogatom a legfelső szintű profitot (900$) és a forgalmat (5000$), és a felső szinten osztom el, akkor helyesen 18% profitabilitást kapok, ami sokkal kevesebb mint a torzított eredmény!!! „Profitabilitás,%”=SumOfProfit/SumOfForgalom Szegmens # SzegKód * SzegNév * LojKód Lojalitás # LojKód * LojNév HaztAggr # HáztKód * SzegmKód * Forgalom * Profit SzegAggr # SzegKód * SumOfForgalom * SumOfProfit * „Profitabilit,%” LojalitAggr # LojKód * SumOfForgalom * SumOfProfit * „Profitabilit,%” Sum „Profitabilitás,%”=SumOfProfit/SumOfForgalom Avg Házt Kód Szeg Kód Forg alom Pro fit 1Good Bad Bad Bad Bad Sum Aggregációs szintek Háztartás # HáztKód * Cím, demo * Duráció * SzegmKód

14 OLAP rendszerek mértékegység-egyeztetése Több szinten, több dimenzióban folyó automatikus OLAP számításokban elég könnyen bekövetkezhet az a helyzet, hogy már nem is tudjuk mit jelentenek a kiszámított számok: „Mennyi?” – „30” – „Mi 30?” – „Mi mennyi?” /szakállas vicc/ „Az élet értelme: 42” /John Adams: Galaktikus utikalauz stopposoknak/ Ennek elkerülése érdekében erősen ajánlott választanunk egy alapmértékegységet (Basic Measure Unit) az egész aggregációs rendszer számára: pl. ha a sebességet az egyik táblában mérföld/h-ban, a másikban km/h-ban, a 3.-ban öl/miatyánkban tartjuk nyilván, egészen biztosan el fogjuk rontani a konverziókat. A Tops áruházi rendszerben ezért minden mennyiséget (Forgalom, Profit, Eladott mennyiség, stb.) $/hét/háztartás mértékegységben tartottunk nyilván (és ezt ajánljuk minden kereskedelmi rendszerbe): –A különböző fogyasztói csoportokban/alcsoportokban eltérő számú háztartás lehet, a méret természetesen erősen befolyásolja a csoport teljesítményét. Ennek hatását tűnteti el a háztartások darabszámával (/Count(HáztKód)) történő osztás –Egy-egy háztartás eltérő számú hét óta birtokolhat hűségkártyát. Ezt nevezzük durációnak (Duration). Egy rossz vevő, aki már sok-sok hete bent van a rendszerben, összegszerűen jóval többet vásárolt, mint egy újonnan csatlakzott jó vevő. Ezt a torzítást tűnteti el az adott csoport átlag durációjával történő osztás(/Avg(Duration)) Sajnos, csak a legdrágább OLAP rendszerek kezelik a mértékek mértékegységét, az olcsóbbak garantáltan nem (pl. IBM DB2 CubeView vagy Excel Kimutatás). Ezért nekünk kell gondoskodnunk arról, hogy a képlettel számított mértékek nevében ott legyen a megfelelő mértékegység, amit a fizikai képleteknél középiskolában megismerthez hasnló módon, a mértékegységek képleten keresztüli végigszámolásával, kiegyszerűsítéssel állítunk elő: „Profitabilitás, %” = „Profit, $/háztartás/hét” / „Forgalom, $/háztartás/hét” „Profit, $/háztartás/hét” = „SumOfProfit, $” / „CountOfHáztKód, db” / „AvgOfDuráció, hét” „Forgalom,$/háztartás/hét”=„SumOfForgalom,$”/„CountOfHáztKód,db”/„AvgOfDuráció,hét”

15 4-7.Gyakorló Példa: Aggregációs rendszer tervezése Az OLAP-pal kapcsolatos elméleti ismeretek gyakorlására, rajzolja fel egy bankhálózat aggregációs diagrammját *.ppt-formátumban, jelen gyakorlatban található diagramm átalakításával: Egy üzleti év több negyedévből, azon belül hónapokból, azonbelül változó számú hétből, azon belül üzleti napokból, azonbelül nyitvatartási/zárva időszakokból áll Egy bankhálózat több régióból, azon belül több településből, azon belül több fiókból/ATM-ből, azon belül több üzletágból áll Egy háztartás több lakossági ügyfélből áll, azok lehetnel tulajdonosok több cégben (de a cégeknek is lehet több tulajdonosa, és a cégek is lehetnek ügyfelek), egy cég több fiókból áll, azon belül öbb osztályból, azon belül több alkalmazottból Egy számla több alszámlából áll, azokon belül több, különféle típusú tranzakció történhet adott időszakra és régióra érvényes költségen, egy tranzakcióhoz több +/- pénzáram tartozhat Egy összetett banki termék több tranzakciót generál Összesíteni kell régióra, fiókra, háztartásra, cégre, cégtulajdonosra a számlák forgalmát, a tranzakciók költségét, a komplex banki termékek forgalmát, profitját A megoldás: 4-7GyakorloMegoldas.ppt4-7GyakorloMegoldas.ppt

16 A gyakorlat tartalma 3. Házi feladat ellenőrzése: számok szöveggé konvertálása A felsővezetői jelentési rendszer alapfogalmai On-Line Analytical Processing (OLAP) alapfogalmai –OLAP rendszerek adatkockái –OLAP rendszerek használata –OLAP rendszerek relációs adatbázis háttere –OLAP rendszerek aggregációs diagrammjai 4-4.PÉLDA:Tops áruházlánc –OLAP rendszerek formuláinak működése –OLAP rendszerek mértékegység-egyeztetése Az Excel Kimutatások fogalma, helyük az objektumok közt –Kimutatások tipikus adatforrásai –Kimutatások adatforrás-megadása –Kimutatások beállításai –Kimutatások elrendezése –Kimutatások kezelőszervei –Kimutatások formulái –Kimutatás-diagrammok –Kimutatások adatai normál Excel-diagrammokon –Kimutatások adatforrásának átállítása –Kimutatások másolási szabályai 4-1.Házi feladat: Továbbszámolás Excel kimutatásból: Volatilitások

17 Az Excel Kimutatások fogalma, helyük az objektumok közt Az Excel Kimutatás (Pivot Table) az OLAP esz- közök leegyszerűsített, olcsó változata: Olyan dinamikus struktúrájú jelentés, ahol a felhasználó grafikus felhasználói felületről megváltoztathatja a csoportosítást, rende- zést, aggregációt és szűrést Ehhez nem kell SQL-ben prgramozni, sem kódszerkesztőben, sem grafikus felületen A kimutatás eredményeit nagyon gyorsan meg tudja jeleníteni diagrammokon, jelen- tések tervezése nélkül A kimutatás eredményeiből azonnal további elemzéseket, statisztikákat készíthet a mun- kalapokon az Excel cellafüggvényei segítségével, ez még a profi OLAP rendszerekhez képest is előny (MS Access-ben is van Pivot Table formátumú jelentés, de azt soha ne használjuk, mert nagyon lebutították, és külön exportálni kell ahhoz az eredmányeket, hogy tovább tudjunk számolni belőle)  Az SQL-hez képest kevésbé rugalmasan kezelhető, de a számításokat nagyon gyorsan újraszámítja rengeteg verzióban A kimutatások helye az Excel objektum hierarchiájában: A munkafüzet (WorkBook) objektum pivottár (PivotCahe) nevű, nem látható (Non-Visual) objektuma tárolja a látható kimutatás mögötti többdimenziós OLAP adatkocka adatait. Ez kétféle adatforrásból dolgozhat: –Bármely cellatartományból (Range), amelynek tartalma adatbázis-tábla szerűen néz ki: az oszlpokban azonos típusú mezők, a sorokban rekordok vannak, az első sor pedig a mezők egyedi neveit tartalmazza. Ez az egyszerűbb, de kisebb kapacitású adatforrás –A kimutatás lehetőségeit akkor lehet igazán kihasználni, ha egy adatbázisból Először a Windows OLE Database Connector (ODBC) szerverén, majd az MSQuery-n (ld: Session4) keresztül szed fel nagymennyiségű tranzakció adatotSession4 A pivottárból szedi ki az adatokat és jeleníti meg interaktívan a felhasználó számára a kimutatás (PivotTable) nevű látható (Visual) objektum, ami a munkalap részobjektuma –A pivottár 1:több kapcsolatban áll a kimutatással: egy pivottárhoz kapcsolódhat több kimutatás, de egy kimutatás csak egy pivottárhoz kapcsolódhat Excel Munkafüzet (WorkBook) MunkaLap1 (WorkSheet1) MunkaLap2 (WorkSheet2) PivotTár1 (PivotCache1) PivotTár2 (PivotCache2) Kimutatás1 (PivotTable1) Kimutatás2 (PivotTable2) Kimutatás1 (PivotTable1) Kimutatás2 (PivotTable2) CellaTömb1 (CellRange1) Adatbázis Windows ODBC MSQuery

18 Kimutatások tipikus adatforrásai A kimutatáshoz csatolt relációs adatbázis adatforrással oldható fel a Session1-ben tárgyalt dilemma, miszerint az Excel, mint táblázatkezelő alkalmas üzleti elemző rendszerek létrehzására, de nem igazán hatékony az ezekhez szükséges bonyolult szerkezetű, nagymennyiségű (több millió rekord) tranzació adatok tárolásában:Session1 Itt a kimutatás és a belőle továbbszámoló cellaképletek végzik az elemzést Az adatbázis adatforrás oldja meg a tranzakció adatok kezelését. Ez akkor tud hatéko- nyan, helytakarékosan nagymennyiségű adatot tárolni, ha a normalizáció révén fix hosz- szúságú adatszerkezetekre tudja vágni a nem fix hosszúságú gyakorlati adatstruktúrát (ld. Lesson1). Ezért igen valószínű, hogy a kimutatáshoz szükséges adatok nem egy táblában lesznek. Erre két megoldási lehetőség van:Lesson1 –Előre elkészítem az adatbázisban egy SQL lekérdezéssel a kimutatás adatforrás tábláját és fixen letárolom. Ez gyorsabb, de több tárolóhelyet igényel az adatbázisban –Nézet táblát készítek, aminek csak az SQL lekérdezés kódja tárolódik, és ezt hívom meg adatforrásként, erre automatikusan lefut. Ez a lassabb, de kisebb helyigényű 4-7.PÉLDA: Excel Kimutatás a Tops Friendly Markets Inc. áruházlánc értékesítési adataira A 4-7Pelda.mdb Access adatbázis SampleWeekHouseCatAggr01 táblájában a következő aggregált adatokat tároljuk az áruházlánc törzsvásárló háztartásairól:4-7Pelda.mdb –A kódjuk (Household), jövedelmük (Income), $/év, képzettségük (Educat) (0:közép..4:egyetem), családméretük (Famsize), fő, 2001-es piaci szegmens- tagságuk (Segment01) (1:rossz..12:jó), –Hetenként (Week, WeekDate), kategóriánként (Sweet23Code, Sweet23Name) (0:egyéb..42:fagyasztott gyümölcs) Bruttó forgalma (Payment), megtermelt profitja (ItemMargin),cent/háztartás/hét, Vásárolt termékek mennyisége (Quantity), db vagy font/háztartás/hét, hűségkártya/ gyártói engedményei (Card/ManufCoupon), cent/háztartás/hét Készítsünk tetszőleges kombinációban kiválasztható háztartásra/ szegmensre/ jövedelmi/ képzési csoportra kimutatást és diagrammot a kategóriánkénti eladási idősorokról, amiből kiderülhet, ki mikor akar átpártolni a konkurrenciához (Churn Analysis)! WeekWeekDateHouseholdIncomeEducatFamsizeSegment01Sweet23CodeSweet23NamePaymentItemMarginQuantityCardCouponManufCoupon Meat and Poultry Fresh vegetable Cheese Other Household paper goods

19 Kimutatások adatforrás-megadása Kimutatást az Adatok|Kimutatás(Data|Pivot Table) menüből induló varázsló hoz létre: Mindig kimutatás táblát (Pivot Table) és nem diagrammot kérünk, mert előbbiből az utóbbit lehet csinálni, de fordítva nem! Az adatforrás lehet adatbázistábla formá- jú tartalommal bíró cellatartomány (Excel list/database), egérhúzással kijelölve Vagy külső adatbázis(External data), ek- kor Get Data-val indítjuk az MSQuery-t: Az Adatforrás kiválasztás|Gépi forrás| Új (Select Data Source|Machine sour- ce|New) menüben ODBC meghajtót (Dri- ver) választunk: ez az adatbázis gyártójá- nak honlapjárol letölthető, Windows\Sys- tem32 könyvtárba települő kis *.DLL fájl, ami lehetővé teszi adott adatbázis olvasá- sát, akkor is ha nincs a gépre telepítve –Erre kapcsolódni próbál a driverhez, –Adjuk meg az adatbázis elérési útját (Path) vagy URL-jét és nevét(Name) –Ha kell, adjunk Usernevet, Jelszót –Csatlakozni próbál az adatbázishoz –Az adatforrás beállításait lementhet- jük egy *.DSN kiterjesztésű fájlba Az adatbázisból kiválasztjuk a szükséges fix/nézet táblát és mezőit ( ) gombbal Az MSQuery ekkor rákérdez, hogy szeretnénk-e a visszahozott adatok közt rendezni vagy szűrni. Mindenhol hagyjuk üresen ezeket a beállításokat, mert az ilyen feladatokat a kimutatással csináljuk katt húz katt

20 Kimutatások beállításai Végül állítsuk be, hogy a lekérdezett adatokat az MSQuery adja vissza az Excelnek(Return data to Excel) és a Befejez(Finish)gombbal zárjuk be Ekkor visszatérünk a kimutatás varázslóba, ahol az Egyebek(Options) gombot lenyitva állítsuk be: Szándékos Excel-lebutítás: hiába adjuk meg a Nevet(Name), nem csinál nevesített tartományt! Mutasson sor/oszlop főtotálokat(Grand Total)! Ne auto-formázza a táblát (AutoFormat)! Őrizze meg a kézi formázást(Preserve Format)! Az üres cellában mit mutasson Empty(””)helyett? –Az adatforrás tartalmától függően, a kimuta- tás legtöbb cellája felvehet üres értéket (pl. nincs megfelelő rekord a táblában) –Ha továbbszámolok a munkalapon a kimuta- tásból cellaképletekkel, akkor előnyösebb ””- t lecserélni 0-ra, mert egy csomó cellafügg- vény nem működik, ha ””-t kap paraméterül –Ha a kimutatásban számolok sokat OLAP formulák segítségével, akkor a fenti cserével vigyázni kell, mert állandóan #Zéróosztó (#DivByZero) cellahibát fog eredményezni, valahányszor egy nevező hiányzik Mentse-e a munkafüzetbe a pivot tár OLAP kocka tartalmát (Save data with table layout)? –Ha mentem, akkor az Excel fájl nagyobb lesz, de gyorsan nyílik és frissül a kimutatás –Ha nem mentem, az Excel fájl pici lesz, de a Kimutatás lassan nyílik meg és frissül, mert újra vissza kell hozni az adatokat az adatbá- zisból, és ki kell számolni az adatkockákat. Több millió rekordos adatforrás esetén csak ez járható út, mert a túl nagy Excel fájl=fagyi! Mentse az adatforrás jelszót (Save Password) Frissítés(Refresh): nyitásra vagy X percenként katt

21 Kimutatások elrendezése Ezután a kimutatás varázsló Elrendezés (Layout) gombját lenyitva állítsuk be a következőket: Sor-/Oszlop-/Lapszűrő mezők behúzása egérrel a mezőlistából a táblába, Mezőgombok lesznek Sor/oszlopmező gombon duplakattal állítsuk: –A részaggregáció (Subtotal) típusát = Sum, Count, Min, Max, Avg, Stdev, Var –Az aggregátum nevét (Name): ez automati- kusan „AggrFüggvényOfMezőnév” formá- tumú, de célszerű átállítani, mert ez hosszú! Nem lehet már létező mezőnév, de üthetünk mögé 1 szóközt, ha szeretnénk,hogy hason- lítson a mezőnévre! (pl.„Week”  ”Week_„) –A teljesen üres sort/oszlopot is mutassa (Show Items with no data)  így nem fog csúszkálni a táblában a kihagyott részek mi- att a sorok/oszlopok pozíciója, ez a kimuta- tás cellaképletekben hivatkozása esetén jó! –Speciális(Advanced) gombnál állítsuk be: Sor/oszlop Rendezés(AutoSort): –Manuális(Manual):sorok/oszlopok egérhúzással átrendezhetők, –Mező(Field):1 mező szerint növek- vő(Ascending), csökkenő(Desc.) A sorban legelső(Top)/-utolsó(Bottom) X db sor/oszlop mutatása(AutoShow) A Lapszűrő mező beállításainál ezeken túl ki- kapcsolható adott lapok mutatása (Hide items) A Tartalom mezőnél a fentieken túl Beállítások (Options) gombra előjön az adatmutatás sza- bályzó (Show data as) legördülő lista: –Normál (Normal): eredeti abszolút adatok –Sor% (Row%): megoszlás, sortotál=100% –Oszlop% (Column%): oszloptotál=100% –Összeg% (Total%): tábla főtotál=100% húz katt kat katt

22 Kimutatások kezelőszervei Ezután kimutatásvarázslóban megadjuk a munkala- pon a kimutatás bal felső kezdőcelláját és Befe- jez(Finish) gombbal zárjuk: Erre a kimutatás megjelenik, mint a munkalapba ágyazott önálló objektum, de minden cellaér- téke a lap alatta lévő cellájába is beíródik! A lapszűrő-mezőkből legördülő menük lesz- nek, melyekkel a megadott érték-kombináci- ókra szűrni tudjuk a táblában mutatott infókat A sor/oszlopmezők menüből be/kikapcsolható értékei szerint bontva látjuk a tartalom mező aggregált értékeit az adott aggregáció mellett A táblázatot sor/oszlop totál sorok összesítik A kimutatás kijelölő gomb a bal felső sarok- ban van, létrehozásakor ettől balra és le rak- ja le a kimutatást, ezért oda ne rakjunk sem- mi mást. Ha n lap szűrő mezőnk van, akkor n+1sort hagyjunk ki a kezdőcella felett nekik A Nézet|Eszközök|Kimutatás(View|Tools|Pi- vot table)menüvel jön elő az eszközsora: A Mezőlista( )gombbal behozhatjuk az adatfor- rás eredeti és számított mezőit, és egérrel ki/be húzhatjuk őket a kimutatás különböző részeibe A ( )gombbal frissíthetjük a táblát ( )gombra külön lapon diagrammot csinál belőle A Kimutatás(Pivottable)gombra nyíló menüből: –Wizard-dal újraindíthatjuk a Varázslót –A Csoportosítás és részletek mutatása (Group and Show detail) menüben: Részletek mutatása/elrejtés(Show/Hide detail) menüre megmutatja az egérrel kijelölt aggregált kimutatás-tartalomcel- lák mögötti rekordokat külön munkalapon Csoportosítás(Group)menüvel egérrel kijelölt sor/oszlopmező értékeket cso- portosít össze, vagy hierarchikus szer- kezetű mezőnél (pl. idő) megadható a bontási szint (év, 1/4év, hó, nap, óra) katt húz katt

23 A gyakorlat tartalma 3. Házi feladat ellenőrzése: számok szöveggé konvertálása A felsővezetői jelentési rendszer alapfogalmai On-Line Analytical Processing (OLAP) alapfogalmai –OLAP rendszerek adatkockái –OLAP rendszerek használata –OLAP rendszerek relációs adatbázis háttere –OLAP rendszerek aggregációs diagrammjai 4-4.PÉLDA:Tops áruházlánc –OLAP rendszerek formuláinak működése –OLAP rendszerek mértékegység-egyeztetése Az Excel Kimutatások fogalma, helyük az objektumok közt –Kimutatások tipikus adatforrásai –Kimutatások adatforrás-megadása –Kimutatások beállításai –Kimutatások elrendezése –Kimutatások kezelőszervei –Kimutatások formulái –Kimutatás-diagrammok –Kimutatások adatai normál Excel-diagrammokon –Kimutatások adatforrásának átállítása –Kimutatások másolási szabályai 4-1.Házi feladat: Továbbszámolás Excel kimutatásból: Volatilitások

24 Kimutatások formulái, külső hivatkozása és formázása Igen gyakran az adatforrás mezői nem a kívánt formában tartalmazzák az adatokat, hanem pl. a mértékegysé- gek egyezetetése miatt át kell számolni őket. Erre a Kimutatás|Képletek|Kiszámított mezők(Pivottable| Formulas|Calculated field) menünél egy képletszer- kesztő panelt kapunk: A képletírás szintaktikai szabályai, az alkalmazható elemek megegyeznek az Excel cellafüggvényekével A képlet neve nem egyezhet meg létező mezőnévvel, ha szeretnénk, hogy hasonlítson, írjunk utána szóközt Egy képletben használhatunk más, korábban definiált mezőket, képleteket Beszúrás(Insert field)gombbal A Képletek|Összegzés a képletekről(Formulas|List formulas) menüvel egy külön munkalapon összefog- laló táblázatot készíthetünk a kimutatás képleteinek szerkezetéről és a számítási sorrendjükről A képlet-definíciók nem a kimutatásban, hanem a mö- göttes pivottár objektumban tárolódnak! Mivel a kimutatás bármely eleme bármikor lehet ”” vagy 0, ha épp nincs mögötte forrásadat, az osztást tartalmazó képletekben igyekezzünk kizárni a #Zéró- osztó(#DivByZero) hiba lehetőségét egy Ha(If) függ- vénnyel: =Ha(If)(Osztó=0,0,Osztandó/Osztó) A kimutatás celláira a munkalap más részén lévő képle- tekben kétféleképp hivatkozhatok: Egyszerű cellahivatkozás (kézzel írom be a képletbe): ez mindig az adott munkalap-cellából veszi a kimuta- tás által beírt értéket, és nem figyel arra, hogy a kimu- tatás átrendezése miatt ez más és más lehet! GetPivotData függvény (egérrel kattintom be a kép- letbe): ez követi a kimutatás funkcionális részét, amíg csak a kimutatásban van,akárhogy is rendezem azt át Végezetül, ne feledkezzünk meg a kimutatás grafikai for- mázásáról: a sor/oszlop fejléc cellákra kattintva kijelöl- hetek sorokat/oszlopokat, vagy ezek alcsoportjait, a lapszűrő mezőknél kiválaszthatom, mely lapokon for- mázom ezeket, a megszokott formázó eszközökkel =$C$11 =GetPivotData( EredményMezőNév, KimutatásKezdőCella, OszlopMezőNév, OszlopMezőÉrték, SorMezőNév, SorMezőÉrték) katt

25 Kimutatások adatbázis tábla-szerű elrendezése A gyakorlatban elég sokszor van szükség olyan kimutatásra, aminek oszlopaiban az eredeti adatforrás tábla oszlopai vannak, sorai viszont csoportosítják és aggregálják annak rekordjait (pl. hetekre),ez a csopor- tosító tábla (Gyroup By Table): Szándékos Excel-lebutítás: ha intuitive elkezdjük behúzogatni egérrel az adatfor- rás mérték-jellegű mezőit a kimutatás Tar- talom részébe, ez nem egymás melletti oszlopokba rakja ki őket, ahogy normáli- san várnánk, hanem belerakja őket egy Data nevű, több mezőt összefogó gyűjtő (Collector) mezőbe, aminek több sorba egymás alá rakja a mezőit, többsoros agg- regált rekordokat gyártván, ami agyrém! A problémát úgy lehet megoldani, hogy a Data gyűjtőmezőt áthúzzuk a kimutatás oszlopmező részébe, és ekkor egymás melletti oszlopokba rakja ki a részmezőit Semmiképp ne keverjük ezt össze azzal, amikor több dimenzió-leíró jellegű adatfor- rás mezőt (pl.Jövedelem, Képzettség) húzunk be a kimutatás sor/oszlop fejlécé- be. Ez a sorok/oszlopok többszintű hie- rarchikus csoportosítását eredményezi a dimenzió-leíró mezők értékei szerint, pl: katt húz

26 A Kimutatás eszközsor|Kimutatás diag- ramm( ) gombbal hozhatunk létre a kész kimutatásokból kimutatás dia- grammokat (Pivot Cart). Ezek előnyei: Hasonlóan a kimutatáshoz, a felhasz- náló menükből, vagy egérhúzással meg tudja változtatni az X, Y, Z tengelyeken mutatott változókat, csoportosításukat, aggregációjukat, rendezésüket, stb. Hátrányaik:  Mindig külön munkalapon jönnek létre, egész munkalapos diagrammként, ezért prezentációkba, vagy Word doku- mentumba problémásabban illeszthetők be Szerkesztés|Irányított beillesz- tés(Edit|Paste special) menüvel Kép, metafájl (Picture, Metafile)-ként, mint egy normál diagramm: több helyet pazarolnak a széles margójukkal, ami nem állítható, mert a diagramm teljes munkalapos  A bontásuk és adattartalmuk oda- vissza szinkronizált a kimutatással. Ha a diagrammon egérrel áthúzogatjuk a tengelyek közt a mutatott mezőket, vagy a lap filter mezőkön megváltoz- tatjuk a szűrést, akkor ez a változás a kimutatásban is jelentkezik, és ott eltűn- tethet bizonyos finomabb formázási be- állításokat  Nem képesek a kimutatás csak egy adott részét megjeleníteni, mindig a rajta szereplő összes adatot felhozzák, ami néha túl sok ahhoz, hogy áttekint- hető legyen. Kimutatás-diagrammok húz

27 Kimutatások megjelenítése normál Excel diagrammokon A kimutatás adatait nor mál Excel diagrammo- kon is megjeleníthetjük Ezek általában a kimu- tatás tábla és lap filter mezők közti üres, meg növelt magasságú sor ban kapnak helyet Mivel egy Excel dia- gramm csak fix cella tartományból képes felszedni az adatokat, nem közvetlenül a ki- mutatás celláit adjuk meg a diagramm cel- latartományának, mert ott a cellák tartalma a kimutatás állásától függően mozoghat. Ál- talában a lap filter me- zők felett egy külön kis táblázatot (lásd sárga mezők) hozunk létre a diagramm cellatarto- mányául, ahova Get- PivotData függvényekkel szedjük ki az adatokat a kimutatásból, amik követik annak változásait. Így a diagramm ugyanazt mutathatja a kimutatás különböző állapotaiban is. A normál diagrammok sokkal rugalmasabban formázhatók, mint a kimutatás diagram- mok, és prezentációkba, vagy Wordbe is jobban illeszthetők „Kép, metafájl”-ként, mert átméretezhetők, még a kimutatás diagramm nem. De ezenkívül más előnyeik is vannak: 4-5.PÉLDA: Excelben nincs olyan oszlopdiagramm, ami egymásra rakott és több oszlopos megjelenítést tudna kombinálni, pedig ügyfelünknek pont ez volt a kívánsága. De egy 3D oszlopdiagramm 2D-be fordításával még ezt is ábrázolni tudjuk, az oszlopok kitakarását felhasználva! Kimutatás diagrammal ilyet nem lehet megtenni! =GetPivotData(…) =Chart(…) húz

28 Kimutatások adatforrásának átállítása Egy kimutatás formázása és diagrammolása igen munkaigényes. Ezért, ha a kimutatást más forrásadatokból is meg kell csinálni (pl. a következő negyedévben ugyanezt a jelentést), akkor lemásoljuk az Excel fájlt egy új példányba, és igyekszünk a kimutatás adatforrását átállítani, vagyis klónozzuk (Cloning) Ha a kimutatás adatforrása egy cellatartomány, akkor a Kimutatás| Varázsló(Pivot table|Wizard) menüvel a varázslót újraindítva, benne visszalépegetve az adatforrás kijelölésig egyszerűen átállíthatjuk a cellatartományt: –Így bővíthetjük új sorokkal az eredeti adatforrás-tartományt, ha nem dinamikus tartományként adtuk meg (lásd: Lesson2)Lesson2 –Ha új cellatartományt adunk meg, ügyeljünk rá, hogy ab- ban ugyanolyan nevű, típusú, sorrendű mezők legyenek, mint a régiben, különben a kimutatás tönkremegy –Viszont, ha egy már létező adatforrás cellatartományban átnevezünk egy mezőt, akkor a kimutatás képes lekezelni a névváltást, és nem megy tönkre, feltéve, hogy a me- zőnevek egyediek maradnak Szándékos Excel-lebutítás:Ha a kimutatás adatforrása külső adatbázis, ezt csak fix elérési útról képes felszedni (nem lehet relatív út, pl: „../Adaforras.mdb”), ezért ha a kimutatást klónozzuk, vagy átvisszük más gépre, más könvtárstruktúrába, akkor is át kell állitani az adatforrást! Viszont Office2007 előtti verziójú Excelben hiába állítjuk át varázslóban az adatbázis fájlt,nem vesz róla tudomást Ezt a következő módon oldhatjuk meg: Először a varázslóban vissza kell állítani az adatforrást 1 olyan cellatartományra, ami teljesen azonos mezőszer- kezetű a forrástáblával, és 3-5db minta rekordot tartal- maz belőle, majd Finish gombbal zárjuk a varázslót. Ezután újra lefuttatjuk a varázslót, külső adatbázisra állít- va az adatforrást, és megadva az új adatbázis fájlnevét A Kimutatás adatforrását makrókból is állíthatjuk: Cellatartománynál a KimutNev.SourceData-t állítjuk át Külső adatbázisnál PivotCache objektum.Connection és.CommandText tulajdonságait állíthatjuk.De ha több kimutatás lóg rajta, akkor ezek csak olvashatók!!! húz katt Worksheets(MunkalapNev). _ PivotTables(KimutatasNev). _ SourceData=UjForrasTartomany With Worksheets(Munkalap) _.PivotTables(KimutatasNev) _.PivotCache _.Connection = Array( _ "ODBC;", _ "DSN=MS Access Database;", _ "DBQ='EleresiUt/Fajlnev';", _ "DefaultDir='EleresiUt';", _ "DriverId=25;", _ "'FIL=MS Access;", __ "MaxBufferSize=2048;", _ "PageTimeout=5;'").CommandText = Array( _ "SELECT ", _ "Mezo1, Mezo2 ", _ "FROM ", _ "`EleresiUt/Fajlnev`.", _ "AdatBazisNev TablaNev") End With

29 Kimutatások másolási szabályai Fontos még azt tisztázni, hogy ha a kimutatáso- kat klónozás közben másolgatjuk, milyen objektumok jönnek létre az Excelben, és hogyan alakulnak az adatkapcsolataik: Ha az adatforrás cellatartomány: A kimutatást (pl. Kimutatás1) a bal felső kimutatás kijelölő gombbal kijelölve, vágóla- pon Ctrl+C, Ctrl+V vel átmásolhatom ugyan- azon munkalapra (pl. Munkalap1) - de ez nem célszerű, mert egymásba érhetnek - vagy másik munkalapra (pl. Munkalap2). A másolat megőrzi az eredeti összes grafikai formázását, ugyanabból a pivottárból (CellaPivotTár1) dolgozik,ezért ugyanazok a mezők és képletek lesznek benne definiálva Ha az eredeti kimutatás varázslójából váltok adatforrás cellatartományt (pl. CellaTart1-ről CellaTart2-re), a CellaPivotTár1-en lógó mindkét kimutatás átvált erre az adatforrásra Ha a másolat varázslójából váltok cellatarto- mányt, az elengedi az eredeti pivottárat, és újra vált (CellaPivotTár2) új adatforrással (CellaTart3) Ha az adatforrás külső adatbázis (Adatbázis1): A kimutatás ugyanúgy másolható vágólapon mint az előbb,a másolatok azonos pivottáron lógnak (pl. KülsőPivotTár1) Ekkor a pivottár a 2007 előtti Excel verziók- ban nem tud adatforrást váltani, mert a.Connection és.Command csak olvasható Ezért a másolat (Kimutatás2) adatforrását egy a táblával kompatibilis szerkezetű tarto- mányra állítom (CellaTart1), amihez új pivot- tár fog tartozni (CellaPivotTár3), a kimutatás erre vált az eredeti pivottárról CellaTart1 (CellRange1) CellaTart2 (CellRange2) Excel Munkafüzet (WorkBook) MunkaLap1 (WorkSheet1) MunkaLap2 (WorkSheet2) CellaPivotTár1 (PivotCache1) Kimutatás1 (PivotTable2) KülsőPivotTár2 (PivotCache2) Kimutatás2 (PivotTable2) Kimutatás1 (PivotTable1) CellaTart1 (CellRange1) Excel Munkafüzet (WorkBook) MunkaLap1 (WorkSheet1) MunkaLap2 (WorkSheet2) KülsőPivotTár1 (PivotCache1) Kimutatás1 (PivotTable1) Adatbázis1 Windows ODBC MSQuery CellaPivotTár3 (PivotCache3) Adatbázis2 Windows ODBC MSQuery CellaTart3 (CellRange3) CellaPivotTár2 (PivotCache2) Ezután megint külső adatbázisra állítom Ki- mutatás2 adatforrását (Adatbázis2), ami- hez új pivottárat csinál (KülsőPivotTár2) Ekkor CellaPivotTár3 ott marad az Excel fájlban hasznavehetelen, inaktív objektum- ként, bár szerencsére kis méretű, mert csak pár mintarekord van benne Kimutatás1 (PivotTable2)

30 A gyakorlat tartalma 3. Házi feladat ellenőrzése: számok szöveggé konvertálása A felsővezetői jelentési rendszer alapfogalmai On-Line Analytical Processing (OLAP) alapfogalmai –OLAP rendszerek adatkockái –OLAP rendszerek használata –OLAP rendszerek relációs adatbázis háttere –OLAP rendszerek aggregációs diagrammjai 4-4.PÉLDA:Tops áruházlánc –OLAP rendszerek formuláinak működése –OLAP rendszerek mértékegység-egyeztetése Az Excel Kimutatások fogalma, helyük az objektumok közt –Kimutatások tipikus adatforrásai –Kimutatások adatforrás-megadása –Kimutatások beállításai –Kimutatások elrendezése –Kimutatások kezelőszervei –Kimutatások formulái –Kimutatás-diagrammok –Kimutatások adatai normál Excel-diagrammokon –Kimutatások adatforrásának átállítása –Kimutatások másolási szabályai 4-1.Házi feladat: Továbbszámolás Excel kimutatásból: Volatilitások

31 4-1.Házi Feladat: Továbbszámolás Excel kimutatásból: Volatilitások Készítsen a 4-6Pelda.mdb SampleWeekHouseCatAggr01 táblájából kimutatás tábláza- tot +diagrammot, ami tetszőleges kombinációban kiválasztott háztartás/ szegmens/ jöve- delmi-/ képzettségi csoport vásárlási adatait tartalmazza heti és termékkategóriák szerint4-6Pelda.mdb Számítsa ki a kategóriánként megjelenő 83 hétnyi értékesítési idősorok relatív szórását (Relative Standard Deviation), másnéven volatilitását (Volatility): Volatilitás, % = Szórás(IdoSorCellaTart) / Átlag(IdoSorCellaTart) Volatility, % = Stdev(TimeSeriesRange) / Average(TimeSeriesRange) Ez azért fontos, mert a relatív szórás arra utal, hogy a kategóriánkénti forgalom idősorok a saját átlagukhoz képest jelentősen ingadoznak az adott csoportnál. Ha feltételezhetjük, hogy a kategóriák heti kereslete nagyjából egyenletes, akkor az ingadozás a konkurrencia akcióinak az átcsábító hatásából ered. A kész jelentés tegye lehetővé ennek csoportonkénti, kategóriánkénti tanulmányozását A megoldás: 4-1HaziMegoldas.xls4-1HaziMegoldas.xls


Letölteni ppt "Excel konzultáció 4. Gyakorlat Dr. Pauler Gábor, egyetemi docens, ev. Adószám: 63673852-3-22 Számlaszám: 50400113-11065546 Telephely: 7666 Pogány, Széchenyi."

Hasonló előadás


Google Hirdetések