تحلیل داده با اکسل (Excel)

چرا یادگیری تحلیل داده با اکسل اهمیت دارد؟

اکسل رابط کاربری شناخته‌شده‌ای دارد، روی همه سیستم‌ها نصب می‌شود و کار با آن برای همه افراد آسان است. با یادگیری تحلیل داده با اکسل می‌توانید:

•  فرآیند فروش و عملیات درون سازمان خود را بررسی یا داده‌های مالی را تحلیل کنید. 
• در این نرم‌افزار می‌توانید توابع مختلفی تعریف کنید که کارهای تکراری را کاملا خودکار انجام دهد. این‌کار باعث صرفه‌جویی در زمان تحلیلگر خواهد شد. 
• خروجی داده‌های اکسل به مدیران کمک می‌کند تصمیم‌های دقیق و داده‌محور بگیرند، شرایط پرریسک را تشخیص دهند و بتوانند هدف‌های بعدی کسب‌وکار را اولویت‌بندی کنند. 
• برای کار در برخی از موقعیت‌های شغلی مدیریتی به اکسل نیاز خواهید داشت.

کاربردهای تحلیل داده با اکسل در دنیای واقعی

برای تصمیم‌گیری‌های استراتژیک به داده‌های مختلفی از کسب‌وکار نیاز خواهیم داشت. این داده‌ها را می‌توان در اکسل، که نرم‌افزاری در دسترس است، وارد کرد. در این نرم‌افزار می‌توان داده‌های اولیه را به گزارش‌هایی حرفه‌ای تبدیل کرد. از مهم‌ترین کاربردهای تحلیل داده با اکسل در دنیای واقعی می‌توان به موارد زیر اشاره کرد:

• گزارش‌گیری مدیریتی: پس از شرکت در دوره تحلیل داده با اکسل می‌توان گزارش‌های دوره‌ای و داشبوردهای KPI تهیه کرد. PivotTableها، جداول خلاصه و نمودارهای مختلف بهترین قسمت‌های اکسل برای تحلیل داده هستند. مدیران با استفاده از این داده‌ها می‌توانند فروش خالص، هزینه‌ها، حاشیه سود و نرخ تبدیل‌ کسب‌وکار را بررسی کنند و بر اساس آن تصمیم بگیرند.
• داشبوردهای فروش: تیم فروش می‌تواند با استفاده از اکسل فروش روزانه یا هفتگی خود را تحلیل و مبلغ کمیسیون را تعیین کند. PivotTableها و فیلترهای زمانی و معیارهای محاسباتی به شما کمک می‌کنند علت تغییرات را بهتر تشخیص دهید.
• پیش‌بینی روندها: با استفاده از توابع پیش‌بینی مانند FORECAST می‌توانید فروش آینده و مقدار تقاضا را بررسی و برای آن برنامه‌ریزی کنید. برای پیش‌بینی دقیق روند کسب‌وکار ابتدا داده‌ها در اکسل وارد کنید و مدل‌های قابل درکی از آن تهیه کنید. سپس در صورت نیاز به مقیاس‌های بزرگ‌تر یا عملیات حرفه‌ای‌تر این اطلاعات را وارد ابزارهای پیش‌رفته‌تری مانند SQL کنید.
• تحلیل مالی: بودجه‌بندی، تحلیل واریانس و تهیه صورت‌های سود و زیان، بررسی جریان نقدی و ارزیابی پروژه‌ها را می‌توان در اکسل پیاده کرد. استفاده از توابع مالی به شما در مدل‌سازی و تصمیم‌گیری مبتنی‌بر داده کمک می‌کند و باعث افزایش سرعت و کیفیت تحلیل‌های داده در تیم می‌شود.
• تحلیل عملکرد کسب‌وکار: تحلیل هزینه به‌ازای هر واحد، نرخ بازگشت سرمایه کمپین‌های بازاریابی، تحلیل مشتریان و شاخص‌های نگه‌داشتن مشتری از مهم‌ترین کاربردهای اکسل در تحلیل عملکرد کسب‌وکار است. KPIهای مختلف را می‌توانید در اکسل نمایش دهید و بخش‌های بحرانی کسب‌وکار را پیدا کنید.  

ابزارها و قابلیت‌های اکسل برای تحلیل داده

برای تحلیل داده با اکسل باید به ابزارها و قابلیت‌های مختلف این نرم‌افزار مسلط باشید. در این بخش به معرفی این ابزارها پرداخته‌ایم. برای آن‌که بتوانید تحلیل‌های دقیق، سریع و مقیاس‌پذیری داشته باشید باید تفاوت‌ها و زمان استفاده از قابلیت‌های اکسل را بدانید.

• توابع کلیدی: با استفاده از توابع می‌توانید محاسبات دقیق بسیاری داشته باشید. برای آن‌که توابع شما فرمول‌های خواناتری داشته و در برابر تغییرات مقاوم باشند باید از مراجع ساختار یافته یا Stuctured Tables و Named Ranges استفاده کنید. از مهم‌ترین توابع کلیدی اکسل و کاربردهای آن می‌توان به موارد زیر اشاره کرد:

نام تابع	کاربرد
SUMIFS	جمع شرطی
COUNTIFS	شمارش شرطی
AVERAGEIFS	میانگین شرطی
XLOOKUP	جستجوی مقدار متناظر و بازیابی اطلاعات مرتبط
توابع متن و تاریخ TEXT, DATE, YEAR, MONTH, DAY	برای پاک و نرمال‌سازی ورودی‌ها
توابع آرایه‌ای پویا FILTER, UNIQUE, SORT, SEQUENCE	برای تولید خروجی‌های داینامیک بدون نیاز به فرمول‌های پیچیده

• Pivot Table: این ابزار گزینه‌ای عالی برای تجمیع سریع، گروه‌بندی و پیدا کردن داده‌ها است. با استفاده از آن می‌توانید تنها با چند کلیک داده‌های بسیاری را خلاصه کنید. Pivot Table داده‌ها را بر اساس تاریخ دسته‌بندی می‌کند. همچنین برای انجام عملیات محاسباتی می‌توانید از گزینه Calculated Field/Item استفاده کنید. ابزارهای Slicer و Timeline نیز به شما در مصورسازی داده‌ها کمک می‌کنند.
• Power Query: پاور کوئری ابزاری برای استخراج، پاک‌سازی و تبدیل داده‌ها به فرم‌های گرافیکی است. این ابزار به منابع مختلف وصل می‌شود و می‌توان بدون نوشتن کد پیچیده جداول را ادغام کرد.
• Power Pivot: اگر چند جدول مرتبط دارید و می‌خواهید داده‌های آن‌ها را محاسبه کنید از پاورپوینت استفاده کنید. این ابزار بین جدول‌ها ارتباط معناداری می‌سازد.
• نمودارها و افزونه‌های مرتبط: با مصورسازی داده‌ها می‌توانید گزارشی قابل فهم ارائه دهید. از پرکاربردترین نمودارهای اکسل می‌توان به نمودارهای استاندارد ستونی، خطی و دایره‌ای یا نمودارهای ترکیبی اشاره کرد. Solver ، Analysis ToolPak، Office Scripts و ... از دیگر افزونه‌ها و ابزارهای پرکاربرد اکسل هستند.

 مفاهیم پایه در تحلیل داده با اکسل

برای آن‌که داده‌ها قابل درک و استفاده باشند باید ساختار صحیحی برای آن‌ها تعریف کرد. قبل از پیاده‌کردن توابع مختلف یا ترسیم نموداری از داده‌ها باید آن را منظم وارد اکسل کرد. در غیر این ‌صورت PivotTableها و مدل‌سازی‌ها کارایی نخواهند داشت. قبل از استفاده از توابع و فرمول‌های پیشرفته بهتر است با مفاهیم پایه در تحلیل داده با اکسل آشنا شوید. مفاهیم زیر را در دوره تحلیل داده با اکسل خواهید آموخت.

وارد کردن و پاک‌سازی داده‌ها

برای صحیح وارد کردن داده‌ها از Power Query ،Get & Transform استفاده کنید. در طول این فرآیند داده‌ها کامل بررسی و اصلاح شده و فضاهای اضافی حذف می‌شود. این داده‌ها در قالب تاریخ و اعداد تفکیک می‌شوند. همچنین می‌توانید داده‌های تکراری را حذف یا داده‌های گم‌شدن را علامت‌گذاری کنید.

سازماندهی و مرتب‌سازی داده‌ها

داده‌ها باید در قالب‌هایی باشند که ابزارهای معرفی‌شده در دوره تحلیل داده با اکسل بتوانند بدون وقفه عملیات روی آن‌ها انجام دهند. شما باید یک سطر عنوان داشته باشید و در هر ستون یک متغیر مستقل داشته باشید. وجود سلول‌های ادغام‌شده یا ردیف خالی باعث توقف عملیات ابزارها می‌شود. برای محدود کردن جدول می‌توانید از قسمت insert گزینه table را انتخاب کنید.

استفاده از توابع و فرمول‌های پیشرفته

پس از آماده‌سازی داده، برای تحلیل بهتر آن‌ها به فرمول‌ها و توابع مختلف نیاز خواهید داشت. از مهم‌ترین توابع و فرمول‌هایی که باید به آن‌ها مسلط باشید می‌توان به SUMIF، COUNTIF، AVERAGEIFS و ... اشاره کرد.

مراحل انجام تحلیل داده با اکسل

مراحل تحلیل داده با اکسل از جمع‌آوری داده‌ها شروع می‌شود و به ارائه گزارش می‌رسد. برای انجام هر مرحله باید مراحل قبلی را کامل و دقیق پشت سر بگذارید. توضیح دقیق‌تر مرحله در این بخش نوشته شده است.

جمع‌آوری و آماده‌سازی داده‌ها

در طول دوره تحلیل داده با اکسل داده‌ها را می‌توانید از منابع مختلفی مانند فایل‌های اکسل یا CSV، پایگاه‌ داده، گوگل شیت و ... استخراج کنید. سپس باید عدد، متن یا تاریخ بودن آن‌ها را مشخص کرده و داده‌های تکراری و ناقص را اصلاح کنید. برای آن‌که بتوانید برخی از فرآیندها را خودکار پیش ببرید یا تکرار کنید بهتر است مراحل پاک‌سازی آن‌ها در Power Query ثبت شود.

تحلیل و محاسبات آماری

برای تحلیل و محاسبات آماری در دوره تحلیل داده با اکسل به شاخص‌های کلیدی عملکرد (KPI) و شناسایی الگوها نیاز خواهید داشت. بسته به نوع داده و هدف شما از تحلیل آن می‌توانید از توابع آماری پایه مانند AVERAGE، MEDIAN و ... برای بررسی پراکندگی و روابط بین متغیرها استفاده کنید. PivotTable و Analysis ToolPak نیز برای خلاصه‌سازی‌ داده‌ها و تحلیل‌هایی مانند رگرسیون استفاده می‌شوند. از دیگر کاربرد این محاسبات آماری می‌توان به تحلیل‌های مالی یا فروش اشاره کرد.

مصورسازی داده‌ها و تهیه گزارش

در مصورسازی داده‌ها از حالت عددی خارج می‌شوند و به نمودارهایی قابل درک برای مدیران تبدیل خواهند شد. از ابزارهای کاربردی اکسل برای مصورسازی داده‌ها می‌توان به PivotChart، نمودارهای ترکیبی Combo، Timeline و ... اشاره کرد. پس از مصور کردن داده‌ها می‌توانید گزارشی موثر تهیه کنید.

 ارائه نتایج و توصیه‌ها

در این مرحله از دوره تحلیل داده با اکسل داده‌ها به خروجی‌هایی قابل فهم و مرتبط با هدف تحلیل تبدیل می‌شوند. نتایج باید داده‌محور و قابل اقدام کردن باشند. نمودارها باید درک پیام اصلی را برای مخاطب آسان‌تر کنند.

تکنیک‌ها و نکات کلیدی در تحلیل داده با اکسل

تحلیل داده در اکسل تنها استفاده از فرمول و تبدیل اعداد نیست. برای تحلیل داده‌ها شما باید مهارت و دقت کافی در استفاده از اکسل داشته باشید. در این بخش با مهم‌ترین نکات استفاده از اکسل آشنا شوید:

توصیه‌های مهم برای تحلیل داده با اکسل

• هدف خود از تحلیل داده را مشخص کنید.
• داده‌ها را مرتب و استاندارد نگه دارید. غلط املایی و داده‌های تکراری نباید در اکسل شما وجود داشته باشد.
• نسخه خام داده‌ها را در فایلی دیگر برای خود نگه دارید.
• برای پیاده‌سازی توابع از Table استفاده کنید.
• برای انتقال سریع مفاهیم داده‌ها را به نمودار تبدیل کنید.

فرمول‌های پرکاربرد اکسل

• توابع آماری که برای بررسی توزیع و همبستگی داده‌ها استفاده می‌شوند: ‌AVERAGE, MEDIAN, STDEV, VAR, COREL
• توابع شرطی که برای انجام محاسبات هدف‌مند و فیلترگذاری منطقی استفاده می‌شوند: IF, IFS, SUMIF, COUNTIF, AVERAGEIF
• توابع جست‌وجو و مرجع که برای یافتن مقدار متناظر و استخراج داده از جداول بزرگ استفاده می‌شوند: VLOOKUP, HLOOKUP, INDEX+MATCH
• توابع متنی که برای پاکسازی و ترکیب‌ داده‌های متنی استفاده می‌شوند: LEFT, RIGHT, MID, TRIM, TEXTJOIN, CONTACT
• ‌توابع زمانی که برای تحلیل داده‌های مبتنی‌بر زمان استفاده می‌شوند: YEAR, MONTH, WEEKNUM, DATEIF
• توابع آرایه‌ای و داینامیک که برای تحلیل سریع‌تر داده‌ها بدون نیاز به فرمول‌های کمک استفاده می‌شوند: FILTER, SORT, UNIQUE, SEQUENCE

رایج‌ترین اشتباهات در تحلیل داده با اکسل

• استفاده از سلول‌های جداگانه و عدم استفاده از جداول ساختاریافته باعث شکستن فرمول‌ها و بروز خطا هنگام به‌روزرسانی داده‌ها می‌شود.
• عدم توجه به فرمت صحیح داده‌ها.
• به‌روزرسانی دستی فرمول.
• ثبت نکردن مراحل پاکسازی در Power Query.
• بررسی نکردن انحراف معیار و تصمیم‌گیری صرفا برمبنای میانگین‌ها.

نکاتی برای افزایش سرعت تحلیل و بهینه‌سازی فایل اکسل که در دوره تحلیل داده با اکسل خواهید آموخت:

• برای پردازش داده‌ها از Power Query استفاده کنید.
• در صورت زیاد بودن حجم داده از ترکیب INDEX و MATCH به جای VLOOKUP استفاده کنید.
• در صورت استفاده از Table پس از وارد کردن داده‌های جدید جدول به‌روزرسانی خواهد شد.
• برای جلوگیری از کاهش سرعت تحلیل داده از Conditional Formatting استفاده کنید.
• برای کاهش حجم و زمان بارگذاری فایل‌های سنگین ذخیره کردن اطلاعات در قالب XLSB بهتر است.
• برای بالا بردن سرعت کار میان‌برهایی برای خود تعریف کنید.

مسیر شغلی و آینده کاری متخصصین تحلیل داده با اکسل

تحلیل داده با اکسل یکی از پرکاربردترین مشاغل چه برای کسب‌وکارهای کوچک و چه برای کسب‌وکارهای بزرگ است. پس از شرکت در دوره تحلیل داده با اکسل می‌توانید وارد دنیای تحلیل داده، علم داده و هوش تجاری شوید.

فرصت‌های شغلی مرتبط با تحلیل داده با اکسل

• تحلیل‌گر داده‌ (Data Analyst): مسئول جمع‌آوری، پاکسازی و تفسیر داده‌ها برای تصمیم‌گیری‌های سازمانی است.
• تحلیل‌گر کسب‌وکار (Business Analyst): تحلیل فرآیندها، شناسایی فرصت‌های بهبود و ارائه پیشنهادهای مبتنی‌بر داده بر عهده تحلیل‌گر کسب‌وکار است.
• تحلیل‌گر مالی (Financial Analyst): از مسئولیت‌های این نقش می‌توان به تحلیل بودجه، پیش‌بینی درآمد و مدیریت عملکرد مالی با مدل‌های اکسل اشاره کرد.
• تحلیل‌گر عملیات (Operation Analyst): بهینه‌سازی فرآیندها، تحلیل کارایی و بررسی KPIها یا شاخص‌های عملکرد کلیدی از وظایف این نقش است.
• کارشناس گزارش‌دهی (Reporting Specialist): از وظایف این نقش می‌توان به طراحی داشبوردها و گزارش‌های مدیریتی با استفاده از PivotTable و Power Query اشاره کرد.
• تحلیل‌گر داده‌های بازاریابی (Marketing Data Analyst): تحلیل کمپین‌های تبلیغاتی و بررسی نرخ بازگشت سرمایه (ROI) از مهم‌ترین وظایف تحلیل‌گر داده‌های بازاریابی است.

درآمد تقریبی متخصص تحلیل داده با اکسل

در ایران درآمد تحلیل‌گران داده ۱۸ الی ۳۵ میلیون است. درصورتی‌که دوره تحلیل داده با اکسل را پشت سر بگذارید و به ابزارهایی مثل POWER BI یا SQL مسلط باشید درآمد شما به ۵۰ میلیون تومان در ماه نیز خواهد رسید.

در سایر کشورها بسته به مهارت شما و ابزارهایی که به آن مسلط هستید این درآمد متغیر است. حقوق پایه تحلیل‌گر داده بین ۵۵۰۰۰ الی ۷۵۰۰۰ دلار در سال است. تحلیل‌گران کسب‌وکار سالانه ۶۵۰۰۰ الی ۹۰۰۰۰ دلار درآمد دارند. اما درآمد متخصصان ارشدی که به ابزارهای مختلف مانند Power BI و Python مسلط هستند بیش از ۱۰۰۰۰۰ دلار در سال است.

تفاوت تحلیل داده با اکسل با سایر ابزارهای تحلیل داده

علاوه‌بر اکسل ابزارهای دیگری هم برای تحلیل داده وجود دارند. بسته به حجم داده‌ها و نوع تحلیل آن می‌توانید از ابزارهای مختلف استفاده کنید. این ابزارها عبارت‌اند از:

Power BI

این نرم‌افزار یکی از پیش‌رفته‌ترین محصولات مایکروسافت است که می‌توان با استفاده از آن داشبوردها و گزارش‌های مدیریتی را تهیه کرد. با استفاده Power BI می‌توانید داده‌های منابع مختلف را به‌روزرسانی و گزارش‌های دلخواه خود را تهیه کنید. از مهم‌ترین ویژگی‌های Power BI که آن را اکسل متمایز می‌کند، می‌توان به موارد زیر اشاره کرد:

• اتصال همزمان به چند منبع داده و به‌روزرسانی خودکار؛
• ساخت داشبور‌دهای پویا و قابل اشتراک‌گذاری در فضای ابری؛
• عملکرد بهتر برای داده‌های زیاد؛
• مصورسازی پیشرفته‌تر و حرفه‌ای‌تر.

Python

پایتون یکی از محبوب‌ترین و پرکاربردترین زبان‌های برنامه‌نویسی برای تحلیل داده و یادگیری ماشین است. کتابخانه‌های مختلف پایتون می‌توانند حجم وسیعی از داده‌ها را پردازش و مدلسازی کنند. تفاوت‌های پایتون و اکسل عبارت‌اند از:

• پایتون مناسب تحلیل‌های پیچیده و خودکار برای مقیاس وسیعی از داده‌ها است.
• برای استفاده از پایتون به کدنویسی نیاز دارید.
• پایتون مستقیم به API و پایگاه داده متصل می‌شود.
• یادگیری ماشین و مدلسازی از دیگر کاربردهای مهم پایتون هستند.

زبان R

از این زبان بیشتر در تحلیل‌های آماری و پژوهش‌های علمی استفاده می‌شود. دانشجویان و تحلیل‌گران داده برای اجرای مدل‌های رگرسیونی، تحلیل فرضیه و مصورسازی داده‌ها از R استفاده می‌کنند. تفاوت تحلیل داده با R و اکسل به صورت زیر است:

• زبان R داده‌ها را دقیق تفسیر می‌کند اما به کدنویسی و محیط فنی‌تری نیاز دارد؛
• ابزارهای تصویر R قدرتمندتر هستند.