

Verteilte Daten, verschieden Granularität, falsche Struktur: Wer Projektdaten in Excel per Pivot auswerten möchte, stößt oft an Grenzen. Doch mit Power Query und Power Pivot stellt Excel BI-Funktionen zur Verfügung, die Pivot flexibler und leistungsfähiger machen. Ein Praxisbeispiel zeigt, wie Sie Projektdaten damit in vier Schritten für die Analyse aufbereiten.
Als Abonnent erhalten Sie die wichtigsten Thesen des Beitrags zusammengefasst im Management Summary.
Verteilte Daten, verschieden Granularität, falsche Struktur: Wer Projektdaten in Excel per Pivot auswerten möchte, stößt oft an Grenzen. Doch mit Power Query und Power Pivot stellt Excel BI-Funktionen zur Verfügung, die Pivot flexibler und leistungsfähiger machen. Ein Praxisbeispiel zeigt, wie Sie Projektdaten damit in vier Schritten für die Analyse aufbereiten.
Als Abonnent erhalten Sie die wichtigsten Thesen des Beitrags zusammengefasst im Management Summary.
Beim Auswerten von Projektdaten sind so manche Hürden zu überwinden: Daten stammen aus unterschiedlichen Quellen oder sie weichen in ihrer Struktur und Granularität voneinander ab. Mit den Standardfunktionen in Pivot ist in solchen Fällen eine differenzierte Auswertung nicht möglich. Doch mit Power Query und Power Pivot stellt Excel seit Version 2016 Funktionen für Business Intelligence (BI) zur Verfügung, die Pivot flexibler und leistungsfähiger machen. Damit erübrigen sich aufwendige VBA-Lösungen, die bisher von der IT oder externen Spezialisten entwickelt werden mussten. Mit Power Query und Power Pivot können die Datenanalysten in den Fachabteilungen nun selbst die eingehenden Projektdaten umfassend und differenziert auswerten.
Dieser dreiteilige Beitrag zeigt Ihnen an einem Praxisbeispiel, wie Sie Power Query und Power Pivot beim Auswerten von Projektdaten einsetzen. Sie erfahren, mit welchen Schritten Sie
Dieser erste Teil des Beitrags zeigt am Beispiel eines Plan-Ist-Vergleichs von Projektkosten den Weg vom Einlesen und Aufbereiten der verteilten Daten in Power Query bis zur Auswertung in Power Pivot. Die hier verwendeten Daten spiegeln eine Situation wider, die in der Praxis oft anzutreffen ist: Mehrere Faktoren verhindern eine direkte Pivot-Auswertung.
Drei Hürden sind zu überwinden:
Mit Power Query lassen sich Daten aus verschiedenen Quellen automatisiert in eine Excel-Arbeitsmappe importieren, bereinigen und in die passende Struktur umwandeln. Zusatztabellen können generiert werden, um zeitliche Analysen zu erstellen. Die so vorbereiteten Tabellen lassen sich ins Datenmodell laden.
Power Pivot ermöglicht den Zugriff auf das Datenmodell. Dort werden die Daten zueinander in Beziehung gesetzt. Mit der Formelsprache DAX im Datenmodell werden Measures erstellt, die als zusätzliche und ausgefeilte Berechnungen in Pivot-Tabellen dienen.
In diesen Schritten werden die Daten aufbereitet und analysiert:
Power Query ist das Tool zum Automatisieren von Datenimport und -aufbereitung. Für den Import bietet es eine Vielzahl von Schnittstellen zu unterschiedlichsten Datenquellentypen: TXT, CSV, Excel, relationale und analytische Datenbanken oder Online-Dienste. Um die importierten Daten anschließend zu bereinigen und aufzubereiten, stellt der Editor von Power Query zahlreiche leistungsfähige Transformationsbefehle zur Verfügung, die sich ganz einfach per Mausklick ausführen lassen und so die schnelle Aufbereitung ermöglichen. Bild 4 zeigt, welche Funktionen von Power Query im Praxisbeispiel zum Einsatz kommen.
Der Datenimport und die Datentransformation mit Power Query bilden die Basis für die anschließende Analyse mittels Datenmodell.
1 Monat unverbindlich testen!
Wir würden uns über Ihre Bewertung und/oder einen Kommentar freuen ‒ nur so können wir Ihnen in Zukunft noch bessere Inhalte liefern.