3. Zasady dobrych praktyk używania Excela - omówienie różnych zasad i praktyk, które warto stosować podczas pracy z Excelem. Te zasady są kluczowe, ponieważ pozwalają na efektywną, czytelną i skalowalną pracę z arkuszami kalkulacyjnymi.
a. Dlaczego zasady dobrych praktyk są ważne?
b. Przykłady zasad dobrych praktyk takie jak np. nazewnictwo komórek i zakresów, stosowanie komentarzy, wykorzystanie formatowania warunkowego, unikanie zbędnych kolorów i ozdobników, tworzenie czytelnych wykresów i wiele innych.
c. Zasady jako kontekst pracy - przedstawienie sytuacji, w których stosowanie tych zasad jest szczególnie istotne i przynosi korzyści.
d. Dalsze aspekty zasad dobrych praktyk - wskazówki i triki dotyczące przestrzegania zasad dobrych praktyk w różnych scenariuszach, takich jak praca z danymi jakościowymi i ilościowymi, tworzenie czytelnych i interaktywnych raportów, jak również przygotowywanie arkuszy do współpracy z innymi osobami.
e. Praktyczne ćwiczenia uczestnicy będą mieli okazję zastosować omawiane zasady do rzeczywistych arkuszy kalkulacyjnych. To pozwoli im zrozumieć, jak te zasady funkcjonują w praktyce i jak można je wdrożyć.
4. Przetwarzanie danych w modelu tabeli prostej:
a. Wprowadzenie do modelu tabeli prostej. Wyjaśnienie, czym jest tabela prosta, jakie są jej cechy charakterystyczne i dlaczego jest to ważne narzędzie w analizie danych.
b. Przetwarzanie danych od początku. Omówimy etap początkowy przetwarzania danych, od wstępnej analizy danych do określenia celów przetwarzania. Wartościowe informacje o danych można uzyskać tylko, jeśli rozumiemy, co chcemy osiągnąć.
c. Oczyszczanie bazy danych. Omówienie procedury, metody i narzędzia, które pomogą uczestnikom usunąć błędy, zbędne dane, puste pola i nieprawidłowości w bazie danych.
d. Obszary robocze. Wyjaśnimy koncepcję "bieżącego obszaru roboczego" i "bieżącego obszaru przetwarzania" w Excelu. Uczestnicy dowiedzą się, jak efektywnie zarządzać danymi i przetwarzać je w odpowiednich obszarach roboczych.
e. Algorytmizacja przetwarzania. Omówimy, jak stworzyć efektywne algorytmy przetwarzania danych w modelu tabeli prostej. Pokażemy techniki optymalizacji przetwarzania, które pozwalają osiągnąć szybkie i dokładne wyniki.
f. Kluczowe koncepcje takie jak wykorzystanie pól indeksowych i pól kluczowych. Uczestnicy dowiedzą się, jak te koncepcje mogą wpłynąć na wydajność przetwarzania danych.
g. Warstwa danych i warstwa analityczna.
h. Arkusze słownikowe i pomocnicze.
i. Tworzenie formuł.
j. Raportowanie danych - raportowanie przy użyciu funkcjonalności tabeli przestawnej.
k. Formatowanie raportów.
l. Pola obliczeniowe i pseudofunkcje.
m. Ćwiczenia praktyczne, które pozwolą uczestnikom praktycznie zastosować omawiane techniki i narzędzia do rzeczywistych danych.
5. Przetwarzanie danych w modelu tablicowym:
a. Wprowadzenie do modelu tablicowego znany jako model wektorowy lub macierzowy.
b. Algorytmizacja przetwarzania - jak efektywnie przetwarzać dane zarówno w modelu bazy nieciągłej, jak i ciągłej, stosując odpowiednie metodologie.
c. Technika [Ctrl]-[Shift]-[Enter], która jest niezbędna do tworzenia bardziej zaawansowanych formuł w modelu tablicowym.
d. Formuły i raportowanie oraz formatowanie raportów.
e. Zaawansowane pola obliczeniowe.
f. Ćwiczenia praktyczne.
6. Przetwarzanie danych w modelu zakresów nazwanych:
a. Wprowadzenie do modelu zakresów nazwanych. Wyjaśnimy, czym są zakresy nazwane i dlaczego są użyteczne.
b. Procedury i narzędzia oczyszczania danych w kontekście modelu zakresów nazwanych.
c. Algorytmizacja przetwarzania - kluczowe metodologie i procedury, które pomogą w przetwarzaniu zarówno bazy danych nieciągłej, jak i ciągłej.
d. Idea jednej formuły, która może obsługiwać duże ilości rekordów.
e. Formuły i raportowanie oraz formatowanie raportów w modelu zakresów nazwanych.
f. Tworzenie wykresów Excelu w kontekście modelu zakresów nazwanych.
g. Pola obliczeniowe - Uczestnicy dowiedzą się, jak można wykorzystać te pola do bardziej skomplikowanych obliczeń.
7. Przetwarzanie danych w modelu tabelarycznym (obiektowym):
a. Procedury i narzędzia oczyszczania danych w modelu tabelarycznym
b. Algorytmizacja przetwarzania danych
c. Idea jednej formuły
d. Formuły i raportowanie
e. Raportowanie tradycyjne i z użyciem tabel przestawnych
f. Tworzenie pulpitów menedżerskich, jak dostarczać dane w sposób przejrzysty i efektywny dla przełożonych.
g. Elementy Power Pivot i "model danych", które pozwalają na zaawansowane analizy danych i tworzenie tzw. "modelu danych".
8. Przetwarzanie danych w modelu Microsoft Query i wprowadzenie do SQL w Excelu:
a. Microsoft Query w Excelu - czym jest to narzędzie i jakie są jego główne funkcje.
b. Tworzenie zapytań w Microsoft Query, jak tworzyć zaawansowane zapytania do bazy danych za pomocą narzędzia Microsoft Query. Przedstawienie różnych metod filtrowania, sortowania i łączenia danych z różnych źródeł.
c. Importowanie danych z zapytań Microsoft Query do arkusza Excela.
d. Wprowadzenie do SQL w Excelu podstawy języka SQL (Structured Query Language), jak można go wykorzystać do tworzenia zaawansowanych zapytań do baz danych w Excelu.
e. Problematyka powtarzających się okresowo przyrostowych baz danych. Omówimy strategie zarządzania takimi bazami danych i jak efektywnie integrować nowe dane z istniejącymi.
f. Ćwiczenia praktyczne - zapytania w Microsoft Query, import danych, a także tworzenie i wykonywanie zapytania SQL.
9. Przekształcanie danych w modelu Power Query i wprowadzenie do języka M:
a. Wprowadzenie do Power Query jako narzędzie do przekształcania i łączenia danych z różnych źródeł. Dlaczego Power Query jest przydatne w analizie danych?
b. Interfejs i podstawy Power Query.
c. Przekształcanie danych w Power Query. Uczestnicy dowiedzą się, jak usuwać niepotrzebne kolumny, filtrować dane, łączyć tabele, grupować dane i wiele innych operacji.
d. Wprowadzenie do języka M, który jest używany w Power Query do tworzenia zaawansowanych operacji przekształcania danych.
e. Problematyka powtarzających się okresowo przyrostowych baz danych w modelu Power Query.
f. Przetwarzanie vs. Przekształcanie danych, kiedy lepiej jest przetwarzać dane w źródłach a kiedy przekształcać je w Power Query.
g. Ćwiczenia praktyczne - przekształcanie danych, tworzenie operacji w języku M i zarządzanie danymi w Power Query.
Finanse, rachunkowość, podatki