34,90 €
Mehr erfahren.
- Herausgeber: dpunkt.verlag
- Kategorie: Wissenschaft und neue Technologien
- Sprache: Deutsch
Daten analysieren und Prozesse automatisieren mit Excel - Automatisieren Sie Ihre Datenbereinigung in Excel mit Power Query. - Strukturieren Sie Ihre Daten mit Power Pivot. - Nutzen Sie Python für automatisierte Analysen und Berichterstattung. In diesem Praxisbuch führt George Mount Daten- und Business-Analyst*innen durch zwei leistungsstarke in Excel integrierte Tools für die Datenanalyse: Power Pivot und Power Query. Er zeigt Ihnen, wie Sie mit Power Query Workflows zur Datenbereinigung erstellen und mit Power Pivot relationale Datenmodelle entwerfen. Darüber hinaus lernen Sie nützliche Funktionen wie dynamische Array-Formeln, KI-gestützte Methoden zur Aufdeckung von Trends und Mustern sowie die Integration von Python zur Automatisierung von Analysen und Berichten kennen. George Mount zeigt Ihnen, wie Sie Ihre Excel-Kenntnisse weiter ausbauen und das Programm effektiv für die moderne Datenanalyse nutzen. Das Buch gibt einen klaren Überblick über das volle Potenzial von Excel und hilft Ihnen, auch ohne Power BI oder anderer Zusatzsoftware Daten effektiv aufzubereiten und zu analysieren. Viele Übungen zur Vertiefung des Gelernten runden das Buch ab. Dieses Buch zeigt Ihnen, wie Sie: - wiederholbare Datenbereinigungsprozesse für Excel mit Power Query erstellen - relationale Datenmodelle und Analysen mit Power Pivot entwickeln - Daten schnell mit dynamischen Arrays abrufen - KI nutzen, um Muster und Trends in Excel aufzudecken - Python-Funktionen in Excel für automatisierte Analysen und Berichte integrieren
Das E-Book können Sie in Legimi-Apps oder einer beliebigen App lesen, die das folgende Format unterstützen:
Seitenzahl: 218
Veröffentlichungsjahr: 2025
Ähnliche
Hinweise zur Benutzung
Dieses E-Book ist urheberrechtlich geschützt. Mit dem Erwerb des E-Books haben Sie sich verpflichtet, die Urheberrechte anzuerkennen und einzuhalten. Sie sind berechtigt, dieses E-Book für persönliche Zwecke zu nutzen. Sie dürfen es auch ausdrucken und kopieren, aber auch dies nur für den persönlichen Gebrauch. Die Weitergabe einer elektronischen oder gedruckten Kopie an Dritte ist dagegen nicht erlaubt, weder ganz noch in Teilen. Und auch nicht eine Veröffentlichung im Internet oder in einem Firmennetzwerk.
Copyright-Vermerk
Das vorliegende Werk ist in all seinen Teilen urheberrechtlich geschützt. Alle Nutzungs- und Verwertungsrechte liegen bei den Autor*innen und beim Rheinwerk Verlag, insbesondere das Recht der Vervielfältigung und Verbreitung, sei es in gedruckter oder in elektronischer Form.
© Rheinwerk Verlag GmbH, Bonn 2025
Nutzungs- und Verwertungsrechte
Sie sind berechtigt, dieses E-Book ausschließlich für persönliche Zwecke zu nutzen. Insbesondere sind Sie berechtigt, das E-Book für Ihren eigenen Gebrauch auszudrucken oder eine Kopie herzustellen, sofern Sie diese Kopie auf einem von Ihnen alleine und persönlich genutzten Endgerät speichern. Zu anderen oder weitergehenden Nutzungen und Verwertungen sind Sie nicht berechtigt.
So ist es insbesondere unzulässig, eine elektronische oder gedruckte Kopie an Dritte weiterzugeben. Unzulässig und nicht erlaubt ist des Weiteren, das E-Book im Internet, in Intranets oder auf andere Weise zu verbreiten oder Dritten zur Verfügung zu stellen. Eine öffentliche Wiedergabe oder sonstige Weiterveröffentlichung und jegliche den persönlichen Gebrauch übersteigende Vervielfältigung des E-Books ist ausdrücklich untersagt. Das vorstehend Gesagte gilt nicht nur für das E-Book insgesamt, sondern auch für seine Teile (z. B. Grafiken, Fotos, Tabellen, Textabschnitte).
Urheberrechtsvermerke, Markenzeichen und andere Rechtsvorbehalte dürfen aus dem E-Book nicht entfernt werden.
Die automatisierte Analyse des Werkes, um daraus Informationen insbesondere über Muster, Trends und Korrelationen gemäß § 44b UrhG (»Text und Data Mining«) zu gewinnen, ist untersagt.
Markenschutz
Die in diesem Werk wiedergegebenen Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. können auch ohne besondere Kennzeichnung Marken sein und als solche den gesetzlichen Bestimmungen unterliegen.
Haftungsausschluss
Ungeachtet der Sorgfalt, die auf die Erstellung von Text, Abbildungen und Programmen verwendet wurde, können weder Verlag noch Autor*innen, Herausgeber*innen oder Übersetzer*innen für mögliche Fehler und deren Folgen eine juristische Verantwortung oder irgendeine Haftung übernehmen.
George Mount
Einstieg in die Datenanalyse mit Excel
Mit Power Query, Power Pivot und Python Daten aufbereiten und modellieren
Wir hoffen, dass Sie Freude an diesem Buch haben und sich Ihre Erwartungen erfüllen. Falls Sie Anregungen, Wünsche und Kommentare haben, lassen Sie es uns wissen: [email protected].
Informationen zu unserem Verlag und Kontaktmöglichkeiten finden Sie auf unserer Verlagswebsite www.dpunkt.de. Dort können Sie sich auch umfassend über unser aktuelles Programm informieren und unsere Bücher und E-Books bestellen.
Autor: George Mount
Lektorat: Alissa Melitzer, Sandra Bollenbacher
Übersetzung: Thomas Demmig
Copy-Editing: Annette Schwarz, Ditzingen
Satz: inpunkt[w]o, Wilnsdorf, www.inpunktwo.de
Herstellung: Stefanie Weidner
Covergestaltung: Eva Hepper, Silke Braun
Das vorliegende Werk ist in all seinen Teilen urheberrechtlich geschützt. Alle Rechte vorbehalten, insbesondere das Recht der Übersetzung, des Vortrags, der Reproduktion, der Vervielfältigung auf fotomechanischen oder anderen Wegen und der Speicherung in elektronischen Medien.
Ungeachtet der Sorgfalt, die auf die Erstellung von Text, Abbildungen und Programmen verwendet wurde, können weder Verlag noch Autor*innen, Herausgeber*innen oder Übersetzer*innen für mögliche Fehler und deren Folgen eine juristische Verantwortung oder irgendeine Haftung übernehmen.
Die in diesem Werk wiedergegebenen Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. können auch ohne besondere Kennzeichnung Marken sein und als solche den gesetzlichen Bestimmungen unterliegen.
Die automatisierte Analyse des Werkes, um daraus Informationen insbesondere über Muster, Trends und Korrelationen gemäß § 44b UrhG (»Text und Data Mining«) zu gewinnen, ist untersagt.
Bibliografische Information der Deutschen Nationalbibliothek:
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.dnb.de abrufbar.
ISBN Print: 978-3-98889-043-6
ISBN PDF: 978-3-98890-268-9
ISBN ePub: 978-3-98890-269-6
1. Auflage 2025
Authorized German translation of the English edition of Modern Data Analytics in Excel © 2024 Candid World Consulting LLC (ISBN 9781098148829). This translation is published and sold by permission of O'Reilly Media, Inc., which owns or controls all rights to publish and sell the same.
dpunkt.verlag ist eine Marke des Rheinwerk Verlags.
Translation Copyright für die deutschsprachige Ausgabe © Rheinwerk Verlag, Bonn 2025
Rheinwerk Verlag GmbH • Rheinwerkallee 4 • 53227 Bonn
Inhalt
Vorwort
Teil IDatenbereinigung und Transformationen mit Power Query
1Tabellen: Der Weg zu modernem Excel
1.1Tabellenüberschriften erstellen und referenzieren
1.2Anzeigen von Ergebniszeilen
1.3Excel-Tabellen mit Namen versehen
1.4Excel-Tabellen formatieren
1.5Anpassen von Tabellenbereichen
1.6Daten zur Analyse organisieren
1.7Zusammenfassung
1.8Übungen
2Erste Schritte mit Excels Power Query
2.1Was ist Power Query?
2.2Mythen entzaubern mit Power Query
2.2.1»Excel ist nicht reproduzierbar«
2.2.2»Excel hat kein echtes Null«
2.2.3»Excel kann nicht mehr als 1.048.576 Zeilen verarbeiten«
2.3Power Query als ETL-Tool für Excel
2.3.1Extrahieren
2.3.2Transformieren
2.3.3Laden
2.4Eine Tour durch den Power-Query-Editor
2.4.1Das Menüband
2.4.2Abfragen
2.4.3Die importierten Daten
2.4.4Den Power-Query-Editor verlassen
2.4.5Zum Power-Query-Editor zurückkehren
2.5Data Profiling in Power Query
2.5.1Was ist Data Profiling?
2.5.2Optionen zur Datenvorschau
2.5.3Die Tausend-Zeilen-Grenze überschreiben
2.5.4Data Profiling abschließen
2.6Zusammenfassung
2.7Übungen
3Zeilen in Power Query transformieren
3.1Leere Werte entfernen
3.2Die Abfrage aktualisieren
3.3Daten in Zeilen aufteilen
3.4Überschriften und Feldwerte füllen
3.4.1Spaltenüberschriften ersetzen
3.4.2Leere Zeilen ausfüllen
3.5Zusammenfassung
3.6Übungen
4Spalten in Power Query transformieren
4.1Ändern der Groß- und Kleinschreibung
4.2In Spalten aufteilen
4.3Datentypen ändern
4.4Spalten löschen
4.5Mit Datumswerten arbeiten
4.6Benutzerdefinierte Spalten erstellen
4.6.1Die Daten laden und untersuchen
4.6.2Berechnete Spalten versus Messwerte
4.7Daten neu anordnen
4.8Zusammenfassung
4.9Übungen
5Daten in Power Query verschmelzen und aneinanderfügen
5.1Mehrere Quellen anfügen
5.1.1Mit externen Excel-Arbeitsmappen verbinden
5.1.2Die Abfragen aneinanderfügen
5.2Relationale Joins verstehen
5.2.1Linker äußerer Join: der erwachsene SVERWEIS()
5.2.2Innerer Join: nur passende Datensätze
5.3Verwalten Ihrer Abfragen
5.3.1Ihre Abfragen gruppieren
5.3.2Abhängigkeiten zwischen den Abfragen anzeigen
5.4Zusammenfassung
5.5Übungen
Teil IIDatenmodellierung und Datenanalyse mit Power Pivot
6Erste Schritte mit Power Pivot
6.1Was ist Power Pivot?
6.2Warum Power Pivot?
6.3Power Pivot und das Datenmodell
6.4Das Power-Pivot-Add-in laden
6.5Ein kurzer Überblick über das Power-Pivot-Add-in
6.5.1Datenmodell
6.5.2Berechnungen
6.5.3Tabellen
6.5.4Beziehungen
6.5.5Einstellungen
6.6Zusammenfassung
6.7Übungen
7Beziehungsmodelle in Power Pivot erstellen
7.1Daten mit Power Pivot verbinden
7.2Beziehungen erstellen
7.3Fakten- und Dimensionstabellen ermitteln
7.3.1Die Diagrammansicht anordnen
7.3.2Die Beziehungen bearbeiten
7.4Die Ergebnisse nach Excel laden
7.5Kardinalität verstehen
7.5.1Eins-zu-eins-Kardinalität
7.5.2Eins-zu-viele-Beziehungen
7.5.3Viele-zu-viele-Beziehungen
7.5.4Warum ist Kardinalität wichtig?
7.6Filterrichtungen verstehen
7.6.1Bestellungen über User filtern
7.6.2User über Bestellungen filtern
7.6.3Filterrichtung und Kardinalität
7.6.4Vom Design zur Praxis in Power Pivot
7.7Spalten in Power Pivot erstellen
7.7.1Rechnen in Power Query und Power Pivot
7.7.2Beispiel: Die Gewinnspanne berechnen
7.7.3Spaltenwerte mit SWITCH() umkodieren
7.8Hierarchien erstellen und verwalten
7.8.1Eine Hierarchie in Power Pivot erstellen
7.8.2Hierarchien in der PivotTable verwenden
7.9Das Datenmodell nach Power BI laden
7.9.1Power BI als dritte Säule des modernen Excel
7.9.2Das Datenmodell nach Power BI importieren
7.9.3Die Daten in Power BI anzeigen
7.10Zusammenfassung
7.11Übungen
8Measures und KPIs in Power Pivot erstellen
8.1DAX-Measures erstellen
8.1.1Implizite Measures erstellen
8.1.2Explizite Measures erstellen
8.2KPIs erstellen
8.2.1Symbolarten anpassen
8.2.2Den KPI zur PivotTable hinzufügen
8.3Zusammenfassung
8.4Übungen
9Fortgeschrittenes DAX für Power Pivot
9.1CALCULATE() und die Wichtigkeit des Filterkontexts
9.2CALCULATE() mit einem Kriterium
9.3CALCULATE() mit mehreren Kriterien
9.3.1AND-Bedingungen
9.3.2OR-Bedingungen
9.4CALCULATE() mit ALL()
9.5Zeitabhängige Funktionen
9.5.1Eine Kalendertabelle hinzufügen
9.5.2Einfache zeitabhängige Measures erstellen
9.6Zusammenfassung
9.7Übungen
Teil IIIDas Excel-Toolkit zur Datenanalyse
10Einführung in dynamische Array-Funktionen
10.1Dynamische Array-Funktionen
10.1.1Was ist ein Array in Excel?
10.1.2Array-Referenzen
10.1.3Array-Formeln
10.2Ein Überblick über dynamische Array-Funktionen
10.2.1Unterschiedliche und eindeutige Werte mit EINDEUTIG() finden
10.2.2Eindeutige Werte und unterschiedliche Werte
10.2.3Den Überlaufbereichsoperator verwenden
10.3Datensätze mit FILTER() filtern
10.3.1Eine Überschrift hinzufügen
10.3.2Mit mehreren Kriterien filtern
10.4Datensätze mit SORTIERENNACH() sortieren
10.4.1Nach mehreren Kriterien sortieren
10.4.2Nach einer anderen Spalte sortieren, ohne sie auszugeben
10.5Moderne Verweise mit XVERWEIS() erstellen
10.5.1XVERWEIS() versus SVERWEIS()
10.5.2Ein einfaches XVERWEIS()
10.5.3XVERWEIS() und der Umgang mit Fehlern
10.5.4XVERWEIS() und Nachschlagen nach links
10.6Andere dynamische Array-Funktionen
10.7Dynamische Arrays und modernes Excel
10.8Zusammenfassung
10.9Übungen
11Augmented Analytics und die Zukunft von Excel
11.1Zunehmende Komplexität von Daten und Analysen
11.2Excel und das Vermächtnis des Self-Service BI
11.3Excel für Augmented Analytics
11.4Datenanalyse für KI-gestützte Einblicke
11.5Statistische Modelle mit XLMiner erstellen
11.6Daten aus einem Bild auslesen
11.7Sentimentanalyse mit Azure Machine Learning
11.8Zusammenfassung
11.9Übungen
12Python und Excel
12.1Voraussetzungen
12.2Die Rolle von Python in modernem Excel
12.2.1Ein wachsender Stack erfordert Zusammenhalt
12.2.2Netzwerkeffekte sorgen für eine schnellere Entwicklungszeit
12.2.3Moderne Entwicklung in Excel
12.2.4Python und Excel gemeinsam mit pandas und openpyxl verwenden
12.2.5Andere Python-Pakete für Excel
12.3Excel-Automation mit pandas und openpyxl
12.3.1Daten in pandas bereinigen
12.3.2Ergebnisse mit openpyxl zusammenfassen
12.3.3Eine formatierte Datenquelle hinzufügen
12.4Zusammenfassung
12.5Übungen
13Zusammenfassung und nächste Schritte
13.1Weitere Features von Excel ausprobieren
13.1.1LET() und LAMBDA()
13.1.2Power Automate, Office Scripts und Excel Online
13.2Weitere Erkundung von Power Query und Power Pivot
13.2.1Power Query und M
13.2.2Power Pivot und DAX
13.2.3Power BI für Dashboards und Berichte
13.3Azure und Cloud Computing
13.4Python-Programmierung
13.5Large Language Models und Prompt Engineering
13.6Abschließende Worte
Index
Vorwort
Willkommen zur Revolution in Excel! Indem Sie anders über dieses Programm denken und auch anders damit arbeiten, können Sie deutlich produktiver werden und Ihre Daten leistungsfähiger nutzen. Dieses Buch führt Sie in die Features des »modernen Excel« und andere mächtige Analysetools ein.
Lernziel
Am Ende dieses Buches sollten Sie moderne Excel-Tools beherrschen, mit denen Sie Daten säubern, analysieren und auswerten sowie fortgeschrittene Analysen durchführen. Insbesondere werden Sie Daten mit Power Query aufarbeiten und umwandeln, relationale Modelle in Power Pivot erstellen, um ausgefeilte Analysen durchzuführen, und das Analyse-Toolkit von Excel kennenlernen, um Ihre Arbeit weiter zu automatisieren und zu verbessern.
Voraussetzungen
Um diese Ziele zu erreichen, geht dieses Buch von einigen technischen und technologischen Annahmen aus.
Technische Anforderungen
Um das Beste aus diesem Buch herauszuholen, wird empfohlen, einen Windows-Computer mit der Microsoft-365-Version von Excel für den Desktop zu nutzen. Die in diesem Buch behandelten Features sind relativ neu und stehen in älteren Excel-Versionen eventuell nicht zur Verfügung. Beachten Sie bitte, dass viele dieser Tools für den Mac immer noch in der Entwicklung sind und die Kompatibilität unterschiedlich weit reichen kann. Aufgrund der schnellen Fortschritte in der Excel-Entwicklung ist es schwierig, eine genaue Liste dessen anzugeben, was für jede Version verfügbar ist.
In Kapitel 7 wird kurz erläutert, wie Sie ein Datenmodell aus Excel in Power BI laden. Es wird davon ausgegangen, dass Sie als User von Microsoft 365 für Windows schon die kostenlose Version des Power BI Desktop auf Ihrem Computer installiert haben. In Kapitel 12 schauen wir uns die Integration von Python mit Excel an und leiten Sie dafür durch das Herunterladen eines kostenlosen Python. Alle folgenden Aufgaben und Übungen im Buch sind ansonsten darauf ausgelegt, nur mit Excel erledigt zu werden, sodass keinerlei externe Programme erforderlich sind. Als Teil des Prozesses werden Sie allerdings ein paar Excel-Add-ins konfigurieren.
Technologische Anforderungen
Dieses Buch ist für mittelerfahrene Excel-User gedacht, die moderne Features des Programms kennenlernen wollen, mit denen sie vielleicht noch nicht so vertraut sind. Um richtig davon zu profitieren, sollten Sie folgende Excel-Themen schon beherrschen:
Arbeiten mit absoluten, relativen und gemischten Feldreferenzen
Erstellen bedingter Logik und Arbeiten mit bedingten Aggregationsfunktionen (
WENN()
-Anweisungen,
SUMMEWENN()
/
SUMMEWENNS()
usw.)
Kombinieren von Datenquellen (
SVERWEIS()
,
INDEX()
/
VERGLEICH()
oder andere Nachschlagefunktionen)
Sortieren, Filtern und Aggregieren von Daten mit PivotTables
Erstellen einfacher Plots (Balkendiagramme, Liniendiagramme usw.)
Möchten Sie mehr praktische Erfahrung mit diesen Themen sammeln, bevor Sie fortfahren, empfehle ich Ihnen die Microsoft Excel 365 Bible von Michael Alexander und Dick Kusleika (Wiley, 2022).
In Teil III dieses Buchs werden Sie fortgeschrittene Konzepte aus der Statistik, der Programmierung und anderen Bereichen kennenlernen. Lassen Sie sich nicht davon abschrecken, wenn das zu Beginn zu anspruchsvoll erscheint. Es gibt reichlich Ressourcen, die Ihnen dabei helfen, Erfahrung zu sammeln, und ich werde bei Bedarf hilfreiche Referenzen mitliefern. Hauptziel dieses Buches ist, all die Möglichkeiten vorzustellen, die Excel bietet.
Möchten Sie Ihr Wissen erst vertiefen, bevor Sie sich diesen Themen zuwenden, empfehle ich mein Buch Advancing into Analytics: From Excel to Python and R (O’Reilly, 2021, https://www.oreilly.com/library/view/advancing-into-analytics/9781492094333). Es bietet einen umfassenden Einblick und Ratschläge zu fortgeschritteneren Analysetechniken, zur Python-Programmierung und zu einer Reihe weiterer Themen, die für die moderne Datenanalyse in Excel relevant sind.
Wie ich hierhin gekommen bin
Meine Reise durch die Welt der Daten begann mit Excel Anfang der 2010er Jahre – bevor Data Science und KI die Welt im Sturm eroberten. Damals fühlte sich Excel oft wie ein abgeschlossenes System an. Wollten Sie ausgefeiltere Analysen durchführen, wurde im Allgemeinen empfohlen, zu Python oder R zu wechseln. Zum eigenen Erstellen relationaler Datenmodelle war Access die richtige Wahl. Viele der komplexen Analysen und Automationen, die ich umsetzte, beinhalteten umständliche VBA-Module und sperrige Matrixformeln, was die Arbeit damit überhaupt nicht ideal machte.
Eine Zeitlang schien es, als würde Excel irgendwann einfach aufs Abstellgleis geschoben werden. Aber das Excel von heute ist mit einer Reihe von Features und Anwendungen ausgestattet und hat eine erstaunliche Verwandlung durchlaufen.
Was sind »Moderne Analysetechniken«? Warum Excel?
Der Begriff Moderne Analysetechniken bezieht sich auf den Einsatz fortgeschrittener Tools und Techniken, mit denen Daten vorbereitet und analysiert werden – von einfachen retrospektiven Analysen bis hin zu Vorhersagemodellen und künstlicher Intelligenz. In der sich immer wieder weiterentwickelnden Landschaft der datengetriebenen Entscheidungen ist es wichtig, Tools zur Hand zu haben, die vielseitig und interoperabel sind, sodass User ein weites Spektrum an Analyseaktivitäten umsetzen können.
Früher kam man dabei mit Excel nicht allzu weit. Aber das Programm hat sich in der letzten Dekade deutlich verändert und es wurde zu einem echten Kraftpaket für die moderne Datenanalyse.
Dieses Buch will mit verbreiteten Vorurteilen ausräumen, die technische Fachkräfte über Excel pflegen, und die Möglichkeiten des Programms im Bereich der modernen Analyse demonstrieren. Es präsentiert Features wie Power Pivot, Power Query und andere Tools und stellt damit den Glauben auf die Probe, dass Excel auf einfache Formeln und Funktionen beschränkt ist. Das Buch will zeigen, dass sich Excel zu einer robusten Plattform entwickelt hat, die komplexe Aufgaben bei der Datenanalyse handhaben kann.
Schließlich präsentiert dieses Buch Excel als leistungsfähiges und vielseitiges Tool für die moderne Datenanalyse. Es will Mythen entlarven und technische Fachkräfte und Manager darin anleiten, das volle Potenzial von Excel für die Datenanalyse und Entscheidungsfindung auszunutzen. Damit ermöglicht es den Usern, Excel als wichtige Komponente eines aktuellen Analyse-Toolkits zu nutzen und damit Einblicke in unsere datengetriebene Welt zu ermöglichen und für Erfolge zu sorgen.
Modernes Excel und Interoperabilität
Bei modernen Analysetechniken ist Interoperabilität sehr wichtig, daher überrascht es nicht, dass viele der in diesem Buch vorgestellten Tools auch in anderen Analysebereichen bekannt sind. Insbesondere Power Query und Power Pivot (in den Teilen I und II behandelt) stehen auch in Power BI zur Verfügung – dem Business Intelligence und Reporting Tool von Microsoft. Diese Tools lassen sich auf vielerlei Arten kombinieren, und wenn Sie eine davon beherrschen, können Sie sie sehr wahrscheinlich auch in anderen Situationen einsetzen. Dieses Buch konzentriert sich vor allem auf Excel, aber es hilft zu verstehen, wie sich diese Elemente in den umfassenderen Werkzeugkasten moderner Analysetechniken integrieren.
Überblick über das Buch
Um das Lernziel und den Rahmen des Buches zu erreichen, habe ich mich dazu entschlossen, es in drei Abschnitte aufzuteilen.
Teil I, Datenbereinigung und Transformationen mit Power Query
Teil I konzentriert sich auf Power Query zur Datenbereinigung in Excel und seinen Einsatz als ETL-Tool (Extract, Transform, Load). Sie erhalten einen Überblick über den Power Query Editor und lernen etwas über Data Profiling sowie diverse Transformationstechniken wie das Filtern, Aufteilen, Aggregieren und Zusammenführen von Daten.
Teil II, Datenmodellierung und Datenanalyse mit Power Pivot
In Teil II stelle ich Power Pivot für Excel vor und fokussiere mich auf seine Verwendung für das Reporting. Sie werden lernen, wie Sie Beziehungen definieren, ein Data Model bauen und dieses durch berechnete Spalten, Key Performance Indicators (KPIs) und anderes verbessern – vor allem mithilfe der Data-Analysis-Expressions(DAX)-Sprache.
Teil III, Das Excel-Toolkit zur Datenanalyse
Teil III schaut sich eine Reihe spannender neuer Features zur Datenanalyse in Excel an. Sie werden etwas zu dynamischen Matrixfunktionen lernen, die schnelle und flexible Berechnungen ermöglichen. Zudem erhalten Sie hier eine kleine Einführung in die Vorhersageanalyse und künstliche Intelligenz, wir reden über deren potenzielle Anwendung in Excel und werfen einen Blick in die Zukunft des Programms. Das Buch schließt mit einem fortgeschrittenen Thema ab: dem Bauen einer automatischen Arbeitsmappe mithilfe von Python. Sie werden lernen, wie Sie Python und Excel gemeinsam verwenden, um Ihre Analysemöglichkeiten zu verbessern.
Übungen am Ende der Kapitel
Wenn ich Bücher lese, tendiere ich dazu, die Übungen am Ende der Kapitel zu überspringen, weil ich das Gefühl habe, dass mir mein Lesefluss wichtiger ist. Machen Sie es besser!
Am Ende der meisten Kapitel biete ich die Gelegenheit, das anzuwenden, was Sie gerade gelernt haben. Übungen und ihre Lösungen finden Sie im Ordner exercises des zugehörigen Repositorys – organisiert in Unterordnern für die einzelnen Kapitel. Ich möchte Ihnen ans Herz legen, diese Übungen durchzuspielen und Ihre Ergebnisse mit den angebotenen Lösungen zu vergleichen. Dadurch verbessern Sie nicht nur Ihr Verständnis für das Thema, sondern sind auch ein gutes Vorbild für mich.
Das ist nicht alles!
Die schnelle Entwicklungsgeschwindigkeit von Excel und das Auftauchen neuer Tools kann manchmal überwältigend wirken. Um den Fokus nicht zu verlieren und das Buch nicht zu unhandlich zu machen, habe ich sorgfältig eine Reihe von spezifischen Themen ausgewählt, die vielseitige Anwendung finden können und für mittelerfahrene Excel-User hilfreich sind, wobei ich auf meine langjährige Erfahrung als Excel-Berater und -Trainer zurückgegriffen habe.
Findet sich Ihr Lieblingsthema oder ein wichtiger Aspekt zur modernen Analyse in Excel nicht in diesem Buch, teilen Sie Ihre Sichtweise der Community mit. Die Welt der Datenanalyse in Excel passt nicht in ein einziges Buch, und die Excel-Community freut sich darüber, von Ihren Einblicken und Erfahrungen zu hören.
Sind Sie jetzt dazu bereit, sich auf eine Reise durch das moderne Excel zu begeben? Dann treffen wir uns in Kapitel 1.
In diesem Buch genutzte Konventionen
Die folgenden typografischen Konventionen werden in diesem Buch genutzt:
Kursiv
Für neue Begriffe, URLs, E-Mail-Adressen, Dateinamen und Dateierweiterungen.
Nichtproportionalschrift
Für Programmlistings, aber auch für Codefragmente in Absätzen, wie zum Beispiel Variablen- oder Funktionsnamen, Datenbanken, Datentypen, Umgebungsvariablen, Anweisungen und Schlüsselwörter.
Verwendung von Codebeispielen
Zusätzliches Material (Codebeispiele, Übungen usw.) finden Sie zum Herunterladen unter https://github.com/stringfestdata/modern-analytics-excel-book.
Dieses Buch soll Ihnen bei Ihrer Arbeit helfen. Ganz allgemein gilt: Wenn in diesem Buch Beispielcode angeboten wird, können Sie ihn in Ihren Programmen und Dokumentationen verwenden. Sie müssen sich dafür nicht unsere Erlaubnis einholen, es sei denn, Sie reproduzieren einen großen Teil des Codes. Schreiben Sie zum Beispiel ein Programm, das mehrere Teile des Codes aus diesem Buch benutzt, brauchen Sie keine Erlaubnis. Verkaufen oder vertreiben Sie Beispiele aus unseren Büchern, brauchen Sie eine Erlaubnis. Beantworten Sie eine Frage, indem Sie dieses Buch und Beispielcode daraus zitieren, brauchen Sie keine Erlaubnis. Binden Sie einen großen Anteil des Beispielcodes aus diesem Buch in die Dokumentation Ihres Produkts ein, brauchen Sie eine Erlaubnis.
Wir freuen uns über eine Erwähnung, verlangen sie aber nicht. Eine Erwähnung enthält üblicherweise Titel, Autor, Verlag und ISBN, zum Beispiel: »Einstieg in die Datenanalyse mit Excel von George Mount, dpunkt.verlag 2025, ISBN 978-3-98889-043-6«.
Falls Sie befürchten, zu viele Codebeispiele zu verwenden oder die oben genannten Befugnisse zu überschreiten, kontaktieren Sie uns unter [email protected].
Danksagung
Einer der faszinierendsten Aspekte beim Schreiben eines Buches – insbesondere bei den Danksagungen – ist, dass ein Moment in Ihrem Leben eingefangen wird und die Leute hervorgehoben werden, die dabei wichtig sind.
Viele der Namen finden sich schon in der Danksagung meines vorigen Buches. Ich bedanke mich besonders bei Michelle Smith und Jon Hassel vom Akquise-Team von O’Reilly, die mir den Weg für das Schreiben eines weiteren Buches freigemacht haben. Mein Freund und O’Reilly-Autorenkumpan Tobias Zwingmann, dessen Arbeit ich im Laufe der Jahre immer wieder gereviewt habe, lieferte außerordentlich hilfreiche technische Reviews für dieses Projekt. Meine Eltern Jonathan und Angela Mount haben in ihrer Unterstützung für mich nie nachgelassen – mehr als ich zu hoffen wagen konnte. Es ist nicht ganz klar, wie viele Mütter sich wünschen, dass ihre Kinder Excel-Autoren werden, aber meine hat mich dabei unglaublich stark unterstützt.
Ich hatte auch die Gelegenheit, im Verlaufe dieses Projekts einige Bekanntschaften zu machen. Mein Dank geht dabei an Alan Murray, Joseph Stec und Meghan Finley für ihre unschätzbaren technischen Reviews. Insbesondere Meghan hat nicht nur technische Korrekturen geliefert, sondern sie hat mich auch während des ganzen Schreibprozesses als meine Freundin unterstützt. (Wie Ihnen jeder Autor und jede Autorin bestätigen werden, wird das Schreiben eines Buches ganz unvermeidbar zu einer Familienangelegenheit.) Zudem danke ich Jeff Stevens, Laura Szepesi und Mark Depow für ihr Feedback zum Manuskript.
Außerdem bin ich dem Lektoratsteam bei O’Reilly dankbar, die mich durch den umfangreichen Prozess des Schreibens eines technischen Buches geleitet haben. Besonderer Dank geht an Sara Hunter als Lektorin und Sparring-Partner beim Anstoßen meines zweiten Buchs.
Schließlich möchte ich meinen Dank der gesamten Excel-Community aussprechen, weil sie eine so gastfreundliche und inspirierende Gruppe ist. Diese Tabellenkalkulation hat mir mehr Möglichkeiten eröffnet und mich mit mehr unglaublichen Menschen zusammengebracht, als ich es mir je hätte vorstellen können. Ich hoffe, dieses Buch kann zumindest ein klein wenig zu Ihrer eigenen Reise mit Excel beitragen.
Teil I
Datenbereinigung und Transformationen mit Power Query
1Tabellen: Der Weg zu modernem Excel
Excel beinhaltet eine so umfangreiche Sammlung an Analysetools, dass es schwierig sein kann, einen Anfang zu finden. Eine wichtige Grundlage ist aber auf jeden Fall, die Excel-Tabelle zu beherrschen. Dieses Kapitel beschäftigt sich mit den grundlegenden Elementen von Excel-Tabellen, die als Basis für Power Query, Power Pivot und andere in diesem Buch vorgestellten Tools dienen. Zudem wird dadurch auch noch die Wichtigkeit hervorgehoben, Daten sorgfältig in einer Tabelle zu organisieren. Um in das Kapitel einzusteigen, öffnen Sie schon mal ch_01.xlsx im Ordner ch_01 aus dem Repository zum Buch.
1.1Tabellenüberschriften erstellen und referenzieren
Ein Dataset ohne Spaltenüberschriften ist praktisch nutzlos, da ein sinnvoller Kontext zum Interpretieren der Bedeutung jeder Spalte fehlt. Leider ist es nicht ungewöhnlich, auf Datensätze zu treffen, die diese Grundregel missachten. Excel-Tabellen agieren als wertvolle Erinnerung, dass die Qualität eines Datasets von der Existenz klarer und informativer Überschriften abhängt.
Im Arbeitsblatt start von ch_01.xlsx sehen Sie Daten in den Spalten A:F, aber ohne zugehörige Überschriften. Diese finden sich aktuell in den Spalten H:M. Dieses Design ist definitiv nicht optimal. Um es besser zu machen, klicken Sie irgendwo in die eigentlichen Daten und wählen aus dem Menüband Einfügen Tabelle OK (siehe Abb. 1.1). Alternativ können Sie auch Strg-T oder Strg-L in den Daten drücken, um den gleichen Dialog »Tabelle erstellen« zu erhalten.
Abb. 1.1Die Datensätze in eine Tabelle umwandeln
Der Dialog »Tabelle erstellen« fragt Sie, ob Ihre Daten Überschriften enthalten. Aktuell ist das nicht der Fall. Fehlen sie, wird das Dataset automatisch mit einer Reihe von Spaltenüberschriften namens Spalte1, Spalte2 usw. versehen.
Nun können Sie die Überschriften aus den Spalten H:M in die Haupttabelle kopieren, um klarzustellen, was in jeder Spalte zu finden ist (siehe Abb. 1.2).
Abb. 1.2Excel-Tabelle mit Überschriften
Überschriften spielen in Excel-Tabellen eine besondere Rolle. Sie sind zwar Teil der Tabelle, agieren aber als Metadaten statt als Daten. Excel-Tabellen bieten die Möglichkeit, aus Programmsicht zwischen Überschriften und Daten zu unterscheiden – anders als klassische Excel-Formeln.
Um den Unterschied einmal selbst zu erleben, wechseln Sie in Ihrem Arbeitsblatt in ein leeres Feld und geben das Gleichheitszeichen ein. Verweisen Sie als Referenz auf A1:F1, werden Sie feststellen, dass die Formel zu Tabelle1[#Kopfzeilen] wird.
Sie können diese Referenz auch in anderen Funktionen nutzen. Mit GROSS() lassen sich beispielsweise alle Überschriften in Großbuchstaben umwandeln, wie zum Beispiel in Abbildung 1.3.
Abb. 1.3Excel-Formeln referenzieren Überschriften.
1.2Anzeigen von Ergebniszeilen
So wie jede Geschichte einen Anfang, einen Mittelteil und ein Ende hat, besteht jede Excel-Tabelle aus Überschriften, Daten und Ergebnissen. Ergebniszeilen müssen aber manuell aktiviert werden. Dazu klicken Sie irgendwo in die Tabelle, navigieren zur Registerkarte »Tabellenentwurf« und markieren in der Gruppe »Tabellenformatoptionen« die Checkbox »Ergebniszeile« (siehe Abb. 1.4).
Abb. 1.4Eine Tabelle mit einer Ergebniszeile versehen
Standardmäßig wird in der Ergebniszeile einer Tabelle die Summe der letzten Spalte Ihrer Daten berechnet – in diesem Fall frozen. Sie können das aber anpassen, indem Sie das Auswahlmenü eines Feldes in der Ergebniszeile anklicken. Dort finden Sie beispielsweise den Maximalwert der Kategorie fresh (siehe Abb. 1.5).
Abb. 1.5Anpassen der Ergebniszeile einer Excel-Tabelle
In Tabelle 1.1 sind die Formelreferenzen für die Hauptkomponenten von Excel-Tabellen aufgeführt – hier für die Tabelle Tabelle1.
Formel
Worauf sie sich bezieht
Tabelle1[#Kopfzeilen]
Überschriften
Tabelle1
Tabellendaten
Tabelle1[#Ergebnisse]
Ergebniszeile
Tabelle1[#Alle]
Kopfzeilen, Daten und Ergebniszeile
Tab. 1.1Formelreferenzen für Excel-Tabellen
Wenn Sie sich mehr mit Excel-Tabellen befassen, werden Sie noch zusätzliche nützliche Formelreferenzen finden, die sich auf die grundlegende Struktur von Überschriften und Ergebniszeilen beziehen.
1.3Excel-Tabellen mit Namen versehen
Excel-Tabellen haben den Vorteil, dass sie den Einsatz benannter Bereiche erzwingen, die bei der Arbeit mit Daten einen strukturierteren Ansatz fördern. Auch wenn der Einsatz von Tabelle1 gegenüber Feldkoordinaten wie A1:F22 ein Gewinn ist, ist es noch besser, einen beschreibenden Namen zu nutzen, der die repräsentierten Daten widerspiegelt.
Um das zu erreichen, rufen Sie die Registerkarte »Formeln« auf, wählen in der Gruppe »Definierte Namen« den Namens-Manager und klicken dann für den Namen Tabelle1 »Bearbeiten«. Ändern Sie den Namen in sales und klicken dann auf OK. Abbildung 1.6 zeigt, wie Ihr Namens-Manager danach aussehen sollte.
Abb. 1.6Namens-Manager in Excel
Sobald Sie den Namens-Manager geschlossen haben, werden Sie feststellen, dass alle Referenzen auf Tabelle1 nun automatisch so angepasst wurden, dass sie sich auf den neuen Namen sales beziehen.
