power-query

  • 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…

  • Text to Columns — แยกข้อมูลในเซลล์อย่างชาญฉลาด Delimited, Fixed Width, Date Formats

    1. ปัญหาที่คนทำงานทุกคนเคยเจอ — ข้อมูลมากองรวมกันในคอลัมน์เดียว เคยไหมครับ? คุณโหลดไฟล์จากระบบเก่ามา แล้วเจอชื่อ-นามสกุลอยู่ในคอลัมน์เดียวกันทั้ง 500 แถว — “นายสมชาย ใจดี”, “นางสาววิไล รักเรียน”, “Mr. John Smith” — เรียงกันเป็นพรืด! หรือเจอที่อยู่ที่เขียนยาวเป็นพรืดในเซลล์เดียว — “12/34 ซอยสุขุมวิท 22 ถนนสุขุมวิท แขวงคลองเตย เขตคลองเตย กรุงเทพฯ 10110” — แล้วคุณต้องแยกเป็นคอลัมน์ ถนน, แขวง, เขต, รหัสไปรษณีย์ หรือข้อมูลวันที่ที่ระบบส่งมาเป็น “20260715” หรือ “15/07/2026” แต่ Excel ไม่ยอมอ่านเป็นวันที่ซักที! ปัญหาพวกนี้มีทางออกครับ — และมันชื่อว่า Text to Columns! Text to Columns เป็นฟีเจอร์ใน Excel ที่ช่วย แยกเนื้อหาในเซลล์เดียวออกเป็นหลายคอลัมน์…