Einstieg in die Datenanalyse mit Excel
Mit Power Query, Power Pivot und Python Daten aufbereiten und modellieren
1st Edition
Published on 24. June 2025
223 pages
978-3-98890-268-9 (ISBN)
Available for download
Description
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
More details
Other editions
Additional editions
George Mount
Einstieg in die Datenanalyse mit Excel
Mit Power Query, Power Pivot und Python Daten aufbereiten und modellieren
Book
06/2025
dpunkt
€34.90
Available immediately
Persons
George Mount ist Gründer von Stringfest Analytics, einer Beratungsfirma, die sich auf die berufliche Weiterbildung im Bereich Datenanalyse spezialisiert hat. Er hat mit führenden Bootcamps, Lernplattformen und Fachorganisationen zusammengearbeitet, um Menschen dabei zu unterstützen, in der Datenanalyse erfolgreich zu sein. George Mount wurde mit dem »Microsoft Most Valuable Professional«-Award für herausragende technische Expertise und sein Engagement in der Excel-Community ausgezeichnet.
Content
- Cover
- Titel
- Impressum
- Inhalt
- Vorwort
- Teil I Datenbereinigung und Transformationen mit Power Query
- 1 Tabellen: Der Weg zu modernem Excel
- 1.1 Tabellenüberschriften erstellen und referenzieren
- 1.2 Anzeigen von Ergebniszeilen
- 1.3 Excel-Tabellen mit Namen versehen
- 1.4 Excel-Tabellen formatieren
- 1.5 Anpassen von Tabellenbereichen
- 1.6 Daten zur Analyse organisieren
- 1.7 Zusammenfassung
- 1.8 Übungen
- 2 Erste Schritte mit Excels Power Query
- 2.1 Was ist Power Query?
- 2.2 Mythen 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«
- 2.3 Power Query als ETL-Tool für Excel
- 2.3.1 Extrahieren
- 2.3.2 Transformieren
- 2.3.3 Laden
- 2.4 Eine Tour durch den Power-Query-Editor
- 2.4.1 Das Menüband
- 2.4.2 Abfragen
- 2.4.3 Die importierten Daten
- 2.4.4 Den Power-Query-Editor verlassen
- 2.4.5 Zum Power-Query-Editor zurückkehren
- 2.5 Data Profiling in Power Query
- 2.5.1 Was ist Data Profiling?
- 2.5.2 Optionen zur Datenvorschau
- 2.5.3 Die Tausend-Zeilen-Grenze überschreiben
- 2.5.4 Data Profiling abschließen
- 2.6 Zusammenfassung
- 2.7 Übungen
- 3 Zeilen in Power Query transformieren
- 3.1 Leere Werte entfernen
- 3.2 Die Abfrage aktualisieren
- 3.3 Daten in Zeilen aufteilen
- 3.4 Überschriften und Feldwerte füllen
- 3.4.1 Spaltenüberschriften ersetzen
- 3.4.2 Leere Zeilen ausfüllen
- 3.5 Zusammenfassung
- 3.6 Übungen
- 4 Spalten in Power Query transformieren
- 4.1 Ändern der Groß- und Kleinschreibung
- 4.2 In Spalten aufteilen
- 4.3 Datentypen ändern
- 4.4 Spalten löschen
- 4.5 Mit Datumswerten arbeiten
- 4.6 Benutzerdefinierte Spalten erstellen
- 4.6.1 Die Daten laden und untersuchen
- 4.6.2 Berechnete Spalten versus Messwerte
- 4.7 Daten neu anordnen
- 4.8 Zusammenfassung
- 4.9 Übungen
- 5 Daten in Power Query verschmelzen und aneinanderfügen
- 5.1 Mehrere Quellen anfügen
- 5.1.1 Mit externen Excel-Arbeitsmappen verbinden
- 5.1.2 Die Abfragen aneinanderfügen
- 5.2 Relationale Joins verstehen
- 5.2.1 Linker äußerer Join: der erwachsene SVERWEIS()
- 5.2.2 Innerer Join: nur passende Datensätze
- 5.3 Verwalten Ihrer Abfragen
- 5.3.1 Ihre Abfragen gruppieren
- 5.3.2 Abhängigkeiten zwischen den Abfragen anzeigen
- 5.4 Zusammenfassung
- 5.5 Übungen
- Teil II Datenmodellierung und Datenanalyse mit Power Pivot
- 6 Erste Schritte mit Power Pivot
- 6.1 Was ist Power Pivot?
- 6.2 Warum Power Pivot?
- 6.3 Power Pivot und das Datenmodell
- 6.4 Das Power-Pivot-Add-in laden
- 6.5 Ein kurzer Überblick über das Power-Pivot-Add-in
- 6.5.1 Datenmodell
- 6.5.2 Berechnungen
- 6.5.3 Tabellen
- 6.5.4 Beziehungen
- 6.5.5 Einstellungen
- 6.6 Zusammenfassung
- 6.7 Übungen
- 7 Beziehungsmodelle in Power Pivot erstellen
- 7.1 Daten mit Power Pivot verbinden
- 7.2 Beziehungen erstellen
- 7.3 Fakten- und Dimensionstabellen ermitteln
- 7.3.1 Die Diagrammansicht anordnen
- 7.3.2 Die Beziehungen bearbeiten
- 7.4 Die Ergebnisse nach Excel laden
- 7.5 Kardinalität verstehen
- 7.5.1 Eins-zu-eins-Kardinalität
- 7.5.2 Eins-zu-viele-Beziehungen
- 7.5.3 Viele-zu-viele-Beziehungen
- 7.5.4 Warum ist Kardinalität wichtig?
- 7.6 Filterrichtungen verstehen
- 7.6.1 Bestellungen über User filtern
- 7.6.2 User über Bestellungen filtern
- 7.6.3 Filterrichtung und Kardinalität
- 7.6.4 Vom Design zur Praxis in Power Pivot
- 7.7 Spalten in Power Pivot erstellen
- 7.7.1 Rechnen in Power Query und Power Pivot
- 7.7.2 Beispiel: Die Gewinnspanne berechnen
- 7.7.3 Spaltenwerte mit SWITCH() umkodieren
- 7.8 Hierarchien erstellen und verwalten
- 7.8.1 Eine Hierarchie in Power Pivot erstellen
- 7.8.2 Hierarchien in der PivotTable verwenden
- 7.9 Das Datenmodell nach Power BI laden
- 7.9.1 Power BI als dritte Säule des modernen Excel
- 7.9.2 Das Datenmodell nach Power BI importieren
- 7.9.3 Die Daten in Power BI anzeigen
- 7.10 Zusammenfassung
- 7.11 Übungen
- 8 Measures und KPIs in Power Pivot erstellen
- 8.1 DAX-Measures erstellen
- 8.1.1 Implizite Measures erstellen
- 8.1.2 Explizite Measures erstellen
- 8.2 KPIs erstellen
- 8.2.1 Symbolarten anpassen
- 8.2.2 Den KPI zur PivotTable hinzufügen
- 8.3 Zusammenfassung
- 8.4 Übungen
- 9 Fortgeschrittenes DAX für Power Pivot
- 9.1 CALCULATE() und die Wichtigkeit des Filterkontexts
- 9.2 CALCULATE() mit einem Kriterium
- 9.3 CALCULATE() mit mehreren Kriterien
- 9.3.1 AND-Bedingungen
- 9.3.2 OR-Bedingungen
- 9.4 CALCULATE() mit ALL()
- 9.5 Zeitabhängige Funktionen
- 9.5.1 Eine Kalendertabelle hinzufügen
- 9.5.2 Einfache zeitabhängige Measures erstellen
- 9.6 Zusammenfassung
- 9.7 Übungen
- Teil III Das Excel-Toolkit zur Datenanalyse
- 10 Einführung in dynamische Array-Funktionen
- 10.1 Dynamische Array-Funktionen
- 10.1.1 Was ist ein Array in Excel?
- 10.1.2 Array-Referenzen
- 10.1.3 Array-Formeln
- 10.2 Ein Überblick über dynamische Array-Funktionen
- 10.2.1 Unterschiedliche und eindeutige Werte mit EINDEUTIG() finden
- 10.2.2 Eindeutige Werte und unterschiedliche Werte
- 10.2.3 Den Überlaufbereichsoperator verwenden
- 10.3 Datensätze mit FILTER() filtern
- 10.3.1 Eine Überschrift hinzufügen
- 10.3.2 Mit mehreren Kriterien filtern
- 10.4 Datensätze mit SORTIERENNACH() sortieren
- 10.4.1 Nach mehreren Kriterien sortieren
- 10.4.2 Nach einer anderen Spalte sortieren, ohne sie auszugeben
- 10.5 Moderne Verweise mit XVERWEIS() erstellen
- 10.5.1 XVERWEIS() versus SVERWEIS()
- 10.5.2 Ein einfaches XVERWEIS()
- 10.5.3 XVERWEIS() und der Umgang mit Fehlern
- 10.5.4 XVERWEIS() und Nachschlagen nach links
- 10.6 Andere dynamische Array-Funktionen
- 10.7 Dynamische Arrays und modernes Excel
- 10.8 Zusammenfassung
- 10.9 Übungen
- 11 Augmented Analytics und die Zukunft von Excel
- 11.1 Zunehmende Komplexität von Daten und Analysen
- 11.2 Excel und das Vermächtnis des Self-Service BI
- 11.3 Excel für Augmented Analytics
- 11.4 Datenanalyse für KI-gestützte Einblicke
- 11.5 Statistische Modelle mit XLMiner erstellen
- 11.6 Daten aus einem Bild auslesen
- 11.7 Sentimentanalyse mit Azure Machine Learning
- 11.8 Zusammenfassung
- 11.9 Übungen
- 12 Python und Excel
- 12.1 Voraussetzungen
- 12.2 Die Rolle von Python in modernem Excel
- 12.2.1 Ein wachsender Stack erfordert Zusammenhalt
- 12.2.2 Netzwerkeffekte sorgen für eine schnellere Entwicklungszeit
- 12.2.3 Moderne Entwicklung in Excel
- 12.2.4 Python und Excel gemeinsam mit pandas und openpyxl verwenden
- 12.2.5 Andere Python-Pakete für Excel
- 12.3 Excel-Automation mit pandas und openpyxl
- 12.3.1 Daten in pandas bereinigen
- 12.3.2 Ergebnisse mit openpyxl zusammenfassen
- 12.3.3 Eine formatierte Datenquelle hinzufügen
- 12.4 Zusammenfassung
- 12.5 Übungen
- 13 Zusammenfassung und nächste Schritte
- 13.1 Weitere Features von Excel ausprobieren
- 13.1.1 LET() und LAMBDA()
- 13.1.2 Power Automate, Office Scripts und Excel Online
- 13.2 Weitere Erkundung von Power Query und Power Pivot
- 13.2.1 Power Query und M
- 13.2.2 Power Pivot und DAX
- 13.2.3 Power BI für Dashboards und Berichte
- 13.3 Azure und Cloud Computing
- 13.4 Python-Programmierung
- 13.5 Large Language Models und Prompt Engineering
- 13.6 Abschließende Worte
- Fußnoten
- Index
- Über den Autor
