วิเคราะห์ข้อมูล

  • Power Pivot + DAX เบื้องต้น — สร้าง Data Model และ Relationships ให้ Excel ทำงานหลายตาราง

    ถึงจุดที่ PivotTable ธรรมดาเริ่มไม่พอ คุณเคยเจอสถานการณ์แบบนี้ไหมครับ ข้อมูลการขายอยู่คนละไฟล์กับข้อมูลสินค้า อยากทำ PivotTable สรุปยอดขายรายหมวด ก็ต้องไปค่อยๆ VLOOKUP ดึงชื่อสินค้า หมวดหมู่ มาวางไว้ในตารางเดียวให้บวมโต กว่าจะได้ตารางที่สรุปได้ก็เสียเวลาไปครึ่งวัน แถมพอข้อมูลใหม่เข้ามา ก็ต้องมาลากสูตรใหม่ให้ยุ่งยากอีก Power Pivot เกิดขึ้นมาเพื่อแก้ปัญหาแบบนี้โดยตรงครับ มันเปลี่ยนวิธีคิดจากการ “รวมทุกอย่างไว้ในตารางเดียว” มาเป็น “ให้ Excel รู้จักความสัมพันธ์ระหว่างตาราง แล้วคำนวณข้ามตารางให้เลย” แนวคิดนี้เรียกว่า Data Model ซึ่งเป็นพื้นฐานของเครื่องมือวิเคราะห์ข้อมูลระดับมืออาชีพใน Excel บทความนี้ผมจะพาคุณรู้จัก Data Model, Relationships และ DAX เบื้องต้น พร้อมตัวอย่างจริงที่ใช้ต่อยอดจาก PivotTable และ Power Query ที่เคยเขียนไปก่อนหน้า โดยไม่ต้องเขียนโค้ดหรือติดตั้งอะไรเพิ่มเติม เพราะ Power Pivot เป็นฟีเจอร์ที่มาพร้อม Excel อยู่แล้ว เปิดไฟล์ตัวอย่างทำไปด้วยนะครับ ผมเตรียมตารางใบสั่งซื้อและตารางสินค้าไว้ให้ลองเล่นแล้ว จะได้เห็นว่าข้อมูลสองตารางแยกกันอยู่ แต่จะสรุปข้ามกันได้อย่างไร…

  • Power Query: Transform ต่อยอด — Merge, Append, Unpivot ให้ข้อมูลรวมกันจบในที่เดียว

    1. ทำไมต้อง Transform (ต่อยอด) จากบทความที่แล้วคุณได้รู้จัก Power Query กันไปแล้ว ทั้งการนำเข้าข้อมูลจากหลายแหล่ง การล้างข้อมูลสกปรกแบบบันทึกขั้นตอนและเล่นซ้ำได้ ตอนนี้ข้อมูลของคุณสะอาดเป็นระเบียบแล้ว แต่ปัญหาต่อไปคือ ข้อมูลมันกระจัดกระจาย ครับ ลองนึกภาพสถานการณ์จริง: ฝ่ายขายส่งยอดขายมาเป็นไฟล์แยกสาขา แยกเดือน บางเดือนอยู่ในชีตเดียวกันแต่คนละตาราง บางทีบัญชีส่งรายการสินค้ามาให้อีกไฟล์หนึ่ง แล้วคุณต้องเอามาเทียบกับยอดขายว่าสินค้าตัวไหนราคาเท่าไหร่ และบางไฟล์ก็มีข้อมูลแบบคอลัมน์กว้าง เช่น เอาชื่อเดือนเป็นหัวคอลัมน์ไล่จาก ม.ค. ถึง ธ.ค. ซึ่ง PivotTable อ่านแล้วไม่เป็นระเบียบเอาซะเลย ถ้าทำแบบเดิม คุณก็ต้องเปิดไฟล์มานั่งคัดลอกวางต่อกัน โอกาสพลาดสูง แถมเดือนหน้าต้องมานั่งทำใหม่ทั้งรอบ เพราะขั้นตอนไม่ได้ถูกบันทึกไว้ สูตร VLOOKUP ที่เคยใช้ก็ต้องมานั่งแก้อาร์กิวเมนต์ทุกครั้งที่โครงสร้างไฟล์เปลี่ยน ยิ่งข้อมูลโตมากเท่าไหร่ งานวนเวียนแบบนี้ยิ่งกินเวลามหาศาล Power Query แก้เรื่องนี้ได้ด้วยเครื่องมือ Transform ระดับกลางที่คนทำงานสายข้อมูลใช้กันแทบทุกวัน นั่นคือ Merge เพื่อรวมตารางแนวนอน Append เพื่อต่อแถวแนวตั้ง และ Unpivot เพื่อพลิกตารางจากคอลัมน์กว้างให้เป็นแถวเรียงยาว ซึ่งเป็นรูปแบบที่ PivotTable กับเครื่องมือวิเคราะห์ทุกตัวรักมาก…

  • Power Query: นำเข้า + ทำความสะอาดข้อมูล (Get & Transform) ให้พร้อมก่อนวิเคราะห์

    1. ข้อมูลมีความขาดตกบกพร่องคือต้นตอของปัญหาทุกอย่าง ต่อจากบทความ PivotTable ที่เราเรียนกันไป ผมเชื่อว่าหลายคนเจอสถานการณ์แบบนี้ — เปิดไฟล์ขายมาแล้วข้อมูลเต็มไปด้วยแถวว่าง ชื่อสาขาเขียนไม่เหมือนกัน บ้างเขียน “กรุงเทพ” บ้างเขียน “กทม” วันที่บางแถวเป็นข้อความ บางแถวเป็นตัวเลข คุณอยากทำ PivotTable สรุปยอดแต่พอสร้างออกมาแล้วตัวเลขเพี้ยน กลุ่มข้อมูลไม่รวมกันเป็นก้อน สิ่งนี้เรียกกันว่า ข้อมูลสกปรก (dirty data) ครับ และมันคือฝันร้ายของคนที่ต้องวิเคราะห์ข้อมูลทุกคน ไม่ว่าคุณจะเก่งสูตรหรือ PivotTable แค่ไหน ถ้าข้อมูลต้นทางไม่สะอาด ผลลัพธ์ที่ออกมาก็เชื่อถือไม่ได้ และที่แย่กว่านั้นคือเรามักรู้ตัวช้า ตอนตัวเลขโดนตั้งคำถามในการประชุมแล้ว ขอยกตัวอย่างปัญหาที่พบบ่อยครับ เช่น ชื่อสินค้าบางแถวพิมพ์เกินช่องว่าง บางแถวสะกดต่างกัน วันที่บางรายการเป็นตัวเลข บางรายการเป็นข้อความ มีแถวว่างคั่นกลางตารางหลายจุด ทำให้ PivotTable รวมกลุ่มข้อมูลไม่เข้า แล้วตัวเลขยอดรวมก็เพี้ยนไปอย่างไม่รู้ตัว ปัญหาแบบนี้เจอบ่อยในไฟล์ที่คนหลายคนช่วยกันกรอกข้อมูลครับ หลายคนแก้ปัญหาด้วยการเปิดไฟล์มานั่งลบแถวว่างทีละแถว ลบคอลัมน์ที่ไม่ใช้ ทุกครั้งที่ได้ไฟล์ใหม่ก็ต้องมานั่งทำซ้ำเดิม ๆ วนไปวนมา เสียเวลามหาศาล แถมพอทำมือแบบนี้บ่อยครั้งก็มีโอกาสพลาดสูง เช่น ลบแถวผิด หรือแก้หัวคอลัมน์แล้วส่งต่อข้อมูลเพี้ยน ขอจินตนาการภาพว่าคุณต้องเปิดไฟล์ขายสิบไฟล์แล้วคัดลอกต่อกันทุกสัปดาห์…

  • PivotChart + Sparklines — เห็นภาพจากข้อมูลให้จบในไฟล์เดียว

    ไม่มีใครอยากอ่านตารางตัวเลขหมื่นแถว สมมติว่าคุณเพิ่งทำ PivotTable สรุปยอดขายรายสาขาเสร็จเรียบร้อย ตัวเลขครบถ้วน แต่พอส่งให้หัวหน้าดู เจอคำถามแรกเลยว่า “สรุปให้เห็นภาพหน่อยได้ไหม” — เพราะสมองคนเราอ่านภาพได้เร็วกว่าตัวเลขเป็นกองๆ นี่เองครับ PivotTable ให้ตัวเลขที่แม่นยำ แต่ตัวเลขอย่างเดียวอาจยังสื่อสารไม่ชัด ถ้าคุณอยากให้รายงานดูง่ายขึ้นอีกขั้น สิ่งที่ต้องทำต่อคือเปลี่ยนตัวเลขเหล่านั้นให้เป็นภาพครับ ทั้ง PivotChart สำหรับกราฟใหญ่ และ Sparklines สำหรับกราฟจิ๋วในเซลล์ บทความนี้ผมจะพาคุณสร้างทั้งสองอย่างให้จบในไฟล์เดียว เริ่มจาก PivotChart ที่ผูกกับ PivotTable โดยตรง แล้วปิดท้ายด้วย Sparklines ที่ช่วยดูเทรนด์ทีละแถว แค่ทำตามก็เห็นภาพชัดขึ้นทันทีครับ เปิดไฟล์ตัวอย่าง และทำไปด้วยกันเลยนะครับ ผมเตรียมข้อมูลยอดขายรายเดือน รายหมวดไว้ให้เรียบร้อยแล้ว PivotChart คืออะไร ต่างจาก Chart ปกติยังไง PivotChart คือกราฟที่สร้างขึ้นจาก PivotTable โดยตรงครับ ต่างจาก Chart ทั่วไปตรงที่ข้อมูลในกราฟถูก “ผูก” กับ PivotTable เอาไว้ เมื่อไหร่ที่คุณกรองหรือแก้ Pivot กราฟจะเปลี่ยนตามอัตโนมัติ…

  • PivotTable เบื้องต้น — สร้างและจัดวางฟิลด์ให้สรุปข้อมูลเป็นเรื่องง่าย

    1. เคยปวดหัวกับยอดขายหลายพันแถวไหม สมมติว่าคุณมีไฟล์ขายของร้านเครื่องดื่มที่บันทึกยอดขายรายวันตลอดหลายเดือน — มีทั้งสาขา สินค้า จำนวน ราคา ไล่ลงมาเป็นร้อยๆ แถว ลองนึกดูว่าถ้าอยากรู้ว่าสาขาไหนขายดีที่สุดหรือสินค้าไหนขายได้มากสุด คุณจะทำยังไง? ถ้าจะนั่งกรองทีละค่าแล้วรวมด้วย SUMIFS ก็พอไปได้ แต่พออยากเปลี่ยนมุมมองใหม่ เช่น เปลี่ยนจาก “ดูตามสาขา” เป็น “ดูตามสินค้า” หรืออยากเพิ่มเงื่อนไขอีกชั้นหนึ่ง คุณก็ต้องมานั่งแกะสูตร เปลี่ยนอาร์กิวเมนต์กันใหม่ทุกครั้ง — เสียเวลาไปเปล่าๆ อีกทั้งพอถึงเวลาส่งรายงานจริง หลายคนก็เจอว่าสูตรที่เคยเขียนไว้ใช้ได้อยู่ดี วันหนึ่งเพื่อนร่วมงานขอให้ดูอีกมุมหนึ่ง เช่น ขอว่ารวมตามเดือนด้วย ก็ต้องกลับไปแก้สูตรใหม่อีก round — วนเวียนแบบนี้แหละครับที่ทำให้งานสรุปข้อมูลดูน่าเบื่อและเสียเวลา วันนี้ผมจะพาคุณรู้จักเครื่องมือที่ตอบโจทย์นี้ได้ในไม่กี่คลิก นั่นคือ PivotTable ครับ เครื่องมือสรุปข้อมูลที่คนทำงานสายวิเคราะห์เกือบทุกคนต้องใช้เป็น เพราะมันเปลี่ยนข้อมูลดิบหลายพันแถวให้กลายเป็นสรุปที่อ่านง่ายในพริบตา โดยไม่ต้องเขียนสูตรยาวๆ เลย ยิ่งข้อมูลเยอะแค่ไหน ยิ่งเห็นคุณค่าของ PivotTable ชัดขึ้นเท่านั้นครับ เพราะผมมือวิเคราะห์หลายคนกว่าจะส่งรายงานแต่ละชุดก็ต้องคัดลอกข้อมูลมานั่งรวมกันทีละกลุ่ม ใช้เวลามหาศาล แต่พอมี PivotTable เรื่องพวกนี้กลายเป็นแค่เรื่องของลากวาง ลองนึกภาพว่าคุณเป็นผู้จัดการร้านกาแฟที่ต้องส่งรายงานยอดขายรายสัปดาห์ให้เจ้าของกิจการ ทุกสัปดาห์คุณต้องเปิดไฟล์ขาย คัดกรองสาขาทีละสาขา…