Kapitel 1

Denken wie eine Datenbank

IN DIESEM KAPITEL

• Die traditionellen Grenzen von Excel genauer verstehen
• Datenbankterminologie übernehmen
• Einen Blick auf Beziehungen werfen

Mit der Einführung von Business-Intelligence-(BI-)Tools wie Power Pivot und Power Query wird es für Excel-Analysten immer wichtiger, grundlegende Datenbankprinzipien zu verstehen. Bei den traditionellen Excel-Konzepten ist der Lösungsansatz meist relativ intuitiv. Um Power Pivot und Power Query optimal nutzen zu können, brauchen Sie dagegen ein grundlegendes Verständnis der Datenbankterminologie und -architektur. Dieses Kapitel stellt Ihnen ein paar grundlegende Konzepte vor, die Sie kennen sollten, bevor Sie den Rest des Buchs in Angriff nehmen.

Die Grenzen von Excel ausloten - und wie hilfreich Datenbanken sein können

Im Laufe seiner Tätigkeit als Berater hatte es der Autor mit Managern, Buchhaltern und Analysten zu tun, die alle irgendwann eine einfache Tatsache akzeptieren mussten: Ihre Anforderungen an Datenanalysen waren über Excel hinausgewachsen. Sie alle standen vor grundlegenden Herausforderungen, die sich aus einem oder mehreren der drei Problembereiche von Excel ergaben: Skalierbarkeit, Transparenz der Analyseprozesse und Trennung von Daten und ihrer Präsentation.

Skalierbarkeit

Skalierbarkeit ist die Fähigkeit einer Anwendung, sich flexibel an Anforderungen im Hinblick auf Wachstum und Komplexität anzupassen. Im Rahmen dieses Kapitels verstehen wir Skalierbarkeit als die Fähigkeit von Excel, stetig wachsende Datenmengen zu verarbeiten.

Stellen Sie sich vor, Sie arbeiten in einem kleinen Unternehmen und verwenden Excel, um die täglichen Transaktionen zu analysieren. Im Laufe der Zeit haben Sie einen stabilen Prozess mit allen Formeln, Pivot-Tabellen und Makros entwickelt, die Sie benötigen, um die Daten zu analysieren, die in Ihrem sauber gepflegten Arbeitsblatt gespeichert sind.

Wenn die Datenmenge wächst, werden Sie zunächst Leistungsprobleme feststellen. Die Kalkulationstabelle wird langsam geladen und noch langsamer berechnet. Wie ist es dazu gekommen? Es hat mit der Art und Weise zu tun, wie Excel mit dem Speicher umgeht. Wenn eine Excel-Datei geladen wird, wird die gesamte Datei in den Arbeitsspeicher geladen. Auf diese Weise will Excel eine schnelle Datenverarbeitung und einen schnellen Zugriff ermöglichen. Der Nachteil des Ganzen besteht darin, dass Excel jedes Mal, wenn sich die Daten in Ihrer Tabelle ändern, das gesamte Dokument erneut in den Arbeitsspeicher laden muss. Bei einer großen Kalkulationstabelle wird also sehr viel Arbeitsspeicher benötigt, um selbst die kleinste Änderung zu verarbeiten. Irgendwann geht jeder Aktion, die Sie in Ihrem riesigen Arbeitsblatt vornehmen möchten, eine quälende Wartezeit voraus.

Ihre Pivot-Tabellen benötigen größere Pivot-Caches, wodurch sich die Dateigröße der Excel-Arbeitsmappe fast verdoppelt. Letztendlich wird die Arbeitsmappe zu groß, um sie einfach weiterzugeben. Womöglich denken Sie sogar darüber nach, die Arbeitsmappe in mehrere kleinere Arbeitsmappen aufzuteilen (möglicherweise eine für jede Region). Dies führt letztlich dazu, dass Sie Ihre Arbeit duplizieren.

Mit der Zeit werden Sie vielleicht an die Grenze von 1.048.576 Zeilen im Arbeitsblatt stoßen. Was geschieht dann? Legen Sie ein neues Arbeitsblatt an? Wie können Sie zwei Datensätze auf zwei verschiedenen Arbeitsblättern als eine Einheit analysieren? Sind Ihre Formeln noch geeignet? Müssen Sie neue Makros schreiben?

Alles gute Fragen, auf die Sie gegebenenfalls Antworten finden müssen.

Natürlich gibt es auch die Excel-Power-Kunden, die clevere Möglichkeiten finden, diese Einschränkungen zu umgehen. Letztendlich werden diese Methoden aber immer nur provisorische Lösungen sein. Und mit der Zeit werden selbst diese Power-Kunden beginnen, weniger über die effektivste Art und Weise nachzudenken, wie sie die Analyse ihrer Daten durchführen und präsentieren können, sondern mehr darüber, wie sie die Daten in Excel »unterbringen« können, ohne ihre Formeln und Funktionen unbrauchbar zu machen. Excel ist flexibel genug, dass ein geübter Kunde die meisten Dinge gut anpassen kann. Wenn Kunden jedoch nur in Excel denken, schränken sie sich zweifellos selbst ein, wenn auch auf eine unglaublich funktionale Weise.

Außerdem zwingen diese Kapazitätseinschränkungen Excel-Kunden oft dazu, sich die Daten aufbereiten zu lassen. Das heißt, ein Drittanbieter extrahiert große Datenmengen aus einer riesigen Datenbank, fasst sie zusammen und bereitet sie für die Verwendung in Excel auf. Sollte ein seriöser Analyst tatsächlich immer von anderen abhängig sein, wenn er Daten benötigt? Wie wäre es, wenn man einem Analysten die Werkzeuge an die Hand geben könnte, um auf große Datenmengen zuzugreifen, ohne von anderen abhängig zu sein, die ihm die Daten bereitstellen? Könnte dieser Analyst für das Unternehmen wertvoller sein? Könnte sich dieser Analyst auf die Genauigkeit der Analyse und die Qualität der Präsentation konzentrieren, statt ständig Excel-Daten pflegen zu müssen?

Ein relationales Datenbanksystem (wie Access oder SQL Server) ist ein logischer nächster Schritt für den Analysten, der mit einem stetig wachsenden Datenbestand konfrontiert ist. Datenbanksysteme haben in der Regel keine Leistungseinbußen bei großen gespeicherten Datenmengen und sind auf große Datenvolumen ausgelegt. Ein Analyst kann dann größere Datenmengen verarbeiten, ohne dass die Daten zusammengefasst oder für Excel aufbereitet werden müssen. Wenn ein Prozess für das Unternehmen immer wichtiger wird und in einer besser geeigneten Umgebung verfolgt werden muss, ist es außerdem einfacher, diesen Prozess weiterzuentwickeln und zu erweitern, wenn er bereits in einem relationalen Datenbanksystem gespeichert ist.

Transparenz analytischer Prozesse

Eine der attraktivsten Eigenschaften von Excel ist seine Flexibilität. Jede einzelne Zelle kann Text, eine Zahl, eine Formel oder praktisch alles andere enthalten, was der Kunde definiert. Dies ist in der Tat einer der Hauptgründe, warum Excel ein effektives Werkzeug für die Datenanalyse ist. Kunden können benannte Bereiche, Formeln und Makros verwenden, um ein kompliziertes System ineinandergreifender Berechnungen, verknüpfter Zellen und formatierter Zusammenfassungen zu erstellen, die in ihrer Gesamtheit eine endgültige Analyse ergeben.

Wo liegt also das Problem? Das Problem ist, dass es keine Transparenz der analytischen Prozesse gibt. Es ist äußerst schwierig, herauszufinden, was in einer Kalkulationstabelle tatsächlich vor sich geht. Jeder, der schon einmal mit einer Kalkulationstabelle gearbeitet hat, die von jemand anderem erstellt wurde, weiß nur zu gut, wie frustrierend es ist, die verschiedenen Berechnungen und Verknüpfungen zu entschlüsseln, die zur Durchführung von Analysen verwendet werden. Bereits kleine Kalkulationstabellen, die nur begrenzte Analysen durchführen, sind mühsam zu entziffern, und bei großen, aufwendigen Arbeitsmappen mit mehreren Arbeitsblättern wird es praktisch unmöglich, sie zu durchschauen, sodass man oft von vorne anfangen muss.

Im Vergleich zu Excel mögen Datenbanksysteme starr, streng und unnachgiebig in ihren Regeln erscheinen. Diese Unnachgiebigkeit hat jedoch auch einen Vorteil.

Da nur bestimmte Aktionen zulässig sind, können Sie leichter verstehen, was in strukturierten Datenbankobjekten wie Abfragen oder gespeicherten Prozeduren geschieht. Wenn ein Datensatz bearbeitet, eine Zahl berechnet oder ein Teil des Datensatzes als Teil eines analytischen Prozesses beeinflusst wird, können Sie diese Aktion leicht erkennen, indem Sie die Abfragesyntax oder den Code der gespeicherten Prozedur überprüfen. In einem relationalen Datenbanksystem gibt es keine versteckten Formeln, keine versteckten Zellen und keine toten benannten Bereiche.

Trennung von Daten und Präsentation

Daten sollten von der Präsentation getrennt sein. Sie wollen nicht, dass die Daten zu sehr an eine bestimmte Art der Präsentation gebunden werden. Wenn Sie zum Beispiel eine Rechnung von einem Unternehmen erhalten, gehen Sie nicht davon aus, dass die Finanzdaten auf dieser Rechnung die wahre Quelle Ihrer Daten sind. Es ist eine Präsentation Ihrer Daten, also eine spezifische Darstellung. Daten können Ihnen auf unterschiedliche Arten in Diagrammen oder auf Websites präsentiert werden, aber solche Darstellungen sind nie die eigentliche Quelle der Daten.

Was genau hat dieses Konzept mit Excel zu tun? Menschen, die Datenanalysen mit Excel durchführen, neigen oft dazu, Daten, Analyse und Präsentation zu verschmelzen. Kennen Sie auch diese Excel-Arbeitsmappen mit 12 Arbeitsblättern, die jeweils einen Monat darstellen? Auf jedem Arbeitsblatt sind die Daten für einen Monat zusammen mit Formeln, Pivot-Tabellen und Zusammenfassungen aufgeführt. Was passiert, wenn Sie eine Zusammenfassung nach Quartal erstellen sollen? Fügen Sie weitere Formeln und Arbeitsblätter hinzu, um die Daten auf den einzelnen Monatsarbeitsblättern zu...