Według badania przeprowadzonego przez IDC (dane z grudnia 2017 roku) niemal 80% osób decyzyjnych z działów IT w firmach nie jest w pełni świadomych konsekwencji Rozporządzenia o Ochronie Danych Osobowych lub w ogóle nie słyszało o RODO (ang. GDPR). Spośród pozostałych 20% tylko 1/5 spełnia nowe wymogi, 59% wciąż pracuje nad wdrożeniem odpowiednich zmian, a 21% przyznaje, że nie jest przygotowanych.

Nie każda implementacja systemów ERP kończy się sukcesem. To samo tyczy się cyfrowej transformacji. Mimo ciężkiej pracy całego zespołu, na drodze do osiągnięcia zamierzonych celów pojawiają się większe lub mniejsze trudności, które mogą pełen potencjału projekt zamienić w sromotną porażkę. Eric Kimberling z Panorama Consulting radzi w 5 punktach, jak wyjść z kryzysu obronną ręką.

Osoby pracujące dużo z tabelami przestawnymi często spotykają się z problemem bazy danych. Danych przybywa, źródło się rozrasta, plik waży coraz więcej, długo się odświeża i po jakimś czasie nie da się na nim pracować. Dzieje się tak, kiedy źródło danych znajduje się w jednym ogromnym arkuszu, do którego narastająco doklejane są kolejne rekordy. W tym artykule na przykładzie baz danych sprzedażowych wytłumaczymy, czym jest normalizacja baz danych, a następnie, jak wykorzystać funkcję Model Danych do połączenia znormalizowanej bazy danych w ramach jednej tabeli przestawnej.

W niniejszym artykule podjęty został problem wyznaczania i interpretacji stóp procentowych za pomocą funkcji „EFEKTYWNA”, „NOMINALNA” i – wprowadzonej w wersji Excel 2016 nowej funkcji – „RÓWNOW.STOPA.PROC”. W szczególności uwagę zwrócono na kwestię podejmowania decyzji opartej na stopie nominalnej i efektywnej oraz zaprezentowano równoważną stopę procentową jako szczególny przypadek funkcji IRR pozwalający oszacować – w omówionym w artykule przypadku – stopę RRSO (rzeczywistą roczną stopę oprocentowania).

Bramka „Lub” jest jedną z podstawowych bramek logicznych w BPMN 2.0. Stosuje się ją do modelowania złożonych procesów, w których konieczna jest choreografia wymagająca przejścia procesu przez jedną lub kilka równoległych ścieżek zarówno bezwarunkowo, jak i przy jednoczesnym spełnieniu jednego lub kilku warunków.

Wszelkie analizy wiążą się z czasochłonnym przygotowaniem raportów bazujących na właściwych danych. Wielokrotnie zdarza się tak, że zestawienia muszą być generowane cyklicznie, zazwyczaj w odstępach miesięcznych. Posługując się tabelą przestawną, analityk może stworzyć narzędzie, które będzie automatycznie pobierało dane z kolejnych okresów. Pozwoli to na wyeliminowanie niepotrzebnych błędów i z pewnością skróci czas pracy analityka.

W mojej pracy konsultanta często spotykam się z klientami, którzy chcą wdrożyć nowe narzędzie analityczne, jednakże stare przyzwyczajenia wciąż każą im używać tabel tekstowych jako najlepszego narzędzia do czytania danych. Zmiana sposobu analizy danych wymaga czasu oraz zmiany sposobu myślenia, w jaki sposób możemy widzieć wszystkie informacje dotyczące biznesu. U podstaw takiego postrzegania leży kilka przyczyn. Postaram się je omówić, jak również pokazać, w jaki sposób możemy uzyskać ten sam efekt przy użyciu wizualizacji.

Wykresy przebiegu w czasie bardzo dobrze pasują do dashboardów menedżerskich i raportów miesięcznych, czyli do miejsc, w których znajduje się dużo informacji zarządczych. Mają one na celu wysłać szybką informację do odbiorcy na temat wyników i realizacji trendu, zanim przejdzie on do szczegółowej analizy już na suchych danych.

Wartość sprzedaży stanowi jedną z najważniejszych wielkości analizowanych w przedsiębiorstwach. Śledzenie trendu przychodów czy wolumenów jest zadaniem priorytetowym. Zarówno dynamiczny wzrost, jak i spadek wspomnianych wielkości stanowi dla firmy ważną informację, zwłaszcza w sytuacji, gdy zmieniają się polityka sprzedaży, współczesne trendy i gusta potencjalnych klientów. Wartość odchyleń można łatwo zaprezentować za pomocą wykresu kaskadowego. Informacje, które mamy, to dopiero pierwszy krok do sukcesu. Ważniejsze stają się analiza oraz umiejętna prezentacja, które mogą przyczynić się do podjęcia właściwych decyzji w odpowiednim momencie.

Firma handlowa prowadzi sprzedaż w 256 miastach Polski. Raportowanie wyników sprzedaży odbywa się w częstotliwości miesięcznej, w podziale na poszczególne miasta. Dodatkowo pokazywane są średnie wartości zamówień w danym miesiącu w poszczególnych miastach. W jaki sposób przedstawić tak ogromną ilość danych, aby raport był jasny i czytelny dla odbiorcy? Czy zrobić to przy użyciu zwykłej tabeli w Excelu? Czy nie ciekawszym sposobem jest pokazanie tego na mapie kraju? Do takich zadań służy dodatek w Excelu, jakim jest Power Map. W materiale zostanie przedstawiony sposób na graficzną prezentację danych sprzedażowych na mapie Polski przy użyciu mapy ciepła z prostą wizualizacją, jak dane zmieniały się narastająco w poszczególnych miesiącach.

Microsoft, dostrzegając u użytkowników potrzebę przedstawiania danych/statystyk na mapach, dodaje odpowiednie funkcjonalności.

Jak w Excelu można prognozować przyszłe wyniki finansowe firmy? Na wiele sposobów! W zależności od wersji Excela, zainstalowanych dodatków i wymagań odnośnie do dokładności naszych prognoz mamy różne możliwości.

Była połowa 2013 r. Pierwsi użytkownicy programu Excel otrzymywali egzemplarze programu Excel 2013, gdy Microsoft udostępnił na swojej stronie premierową wersję dodatku do programu Excel o nazwie Power Query. Ten, kto się z nim zapoznał i śledził jego rozwój, już nigdy nie wrócił do tradycyjnego sposobu przygotowywania danych do raportów. Dziś, prawie pięć lat później, dodatek pozostaje w zasadzie nieznany użytkownikom programu Excel, mimo że trafił do Excela 2016/365, a pobrać może go każdy, kto dysponuje Excelem przynajmniej w wersji 2010.

Celem niniejszego materiału jest przybliżenie rzadko wykorzystywanej funkcjonalności Excela, jaką jest dodatek Solver. Pokażemy to na przykładzie podejmowania decyzji o wyborze projektów inwestycyjnych przynoszących maksymalny NPV (ang. net present value) przy ograniczeniach budżetowych, jeśli chodzi o nakłady pieniężne i zasoby wyrażone w FTE (ang. full time equivalent).