Power Query i Excel: slip for at rense data i hånden

Den første mandag i måneden henter du fire filer fra systemet. Du sletter de tre øverste rækker i hver, splitter en kolonne med navne, retter datoformatet, fjerner dubletter, sætter dem sammen i ét ark og laver pivottabellen. Det tager halvanden time, hvis der ikke er noget mærkeligt i data.

Næste måned gør du præcis det samme. Og måneden efter.

Den time og en halv behøver du ikke bruge. Excel har haft et værktøj til netop den slags arbejde indbygget i mange år, og de fleste har aldrig åbnet det, fordi det ligger under en fane, man ikke har grund til at klikke på. Det hedder Power Query, og det gør én ting rigtig godt: det husker, hvad du gjorde ved dine data, så du kan gøre det igen med ét klik.

Hvad Power Query egentlig er

Tænk på det som en makrooptager for datarensning — bare uden kode og uden de problemer, makroer plejer at give.

Du henter dine data ind, og i stedet for at rette direkte i cellerne, udfører du en række trin: fjern de tre øverste rækker, split kolonnen, skift datatype, filtrer tomme rækker fra. Hvert trin bliver skrevet ned i en liste. Når du er færdig, sender du resultatet ind i regnearket.

Næste måned lægger du den nye fil samme sted og trykker Opdater. Alle trinnene køres igen, i samme rækkefølge, på de nye data. Det er hele idéen, og den er kraftigere, end den lyder.

På Windows har Power Query været en fast del af Excel siden 2016, hvor det ligger på fanen Data under Hent og transformér data. I Excel 2010 og 2013 fandtes det som et selvstændigt tilføjelsesprogram. På Mac er understøttelsen kommet til senere og i etaper, så dækningen af datakilder og funktioner er ikke helt den samme som på Windows — noget at være opmærksom på, hvis I arbejder på tværs.

De opgaver, hvor det flytter mest

Power Query er ikke svaret på alt. Det er svaret på det gentagne.

• Samme rapport hver måned. Den klassiske. Sæt den op én gang, opdater den tolv gange.
• Flere filer, der skal samles. Tolv månedsfiler med samme struktur kan lægges sammen automatisk — også når der kommer en trettende.
• Eksporter, der er rodede. Systemeksporter med overskrifter i de forkerte rækker, tomme kolonner og tal gemt som tekst. Power Query er bygget til præcis den slags.
• Opslag på tværs af ark. En fletning i Power Query gør det samme som et opslag, men uden formler, der knækker, når nogen indsætter en kolonne.
• Data, der skal vendes. Kolonner om til rækker, eller omvendt, så pivottabellen kan arbejde med dem.

Det fjerde punkt fortjener en bemærkning. Mange regneark holder sammen på grund af en kæde af opslagsformler, som én person forstår. Flytter du den logik til Power Query, ligger den i en navngiven liste af trin, som man kan læse sig til. Det er en ret stor gevinst den dag, den person holder ferie.

Din første forespørgsel på tyve minutter

Du lærer det ikke af at læse om det. Tag en fil, du allerede kender, og prøv:

1. Gem en kopi af filen. Så du kan eksperimentere frit.
2. Gå til Data, og vælg Hent data. Hent fra fil, fra mappe eller fra det ark, du står i.
3. Tryk Transformér data i stedet for Indlæs. Det er her, folk går galt i byen. Vælger du Indlæs, kommer data bare ind som før, og du har ikke fået noget ud af det.
4. Lav rettelserne i editoren. Højreklik på kolonner, fjern, split, skift type. Hold øje med listen til højre — det er dine trin.
5. Vælg Luk og indlæs. Resultatet lander i et nyt ark.
6. Skift filen ud, og tryk Opdater alt. Det er det øjeblik, hvor det giver mening.

Punkt tre er det vigtigste. Hele værdien ligger i editoren, og det er den, knappen Indlæs springer over.

Tre faldgruber, de fleste rammer

Trin, der er bundet til en bestemt placering. Sletter du "de tre øverste rækker", går det galt den måned, hvor der kun er to. Filtrer hellere på indhold end på position, når du kan.

Filstier, der kun findes på din computer. Sender du arket videre, virker opdateringen ikke hos modtageren. Læg kildefilerne et sted, alle kan nå, og brug den sti.

Trin oven på trin oven på trin. Det er let at ende med fyrre trin, hvoraf de tyve fortryder de andre tyve. Omdøb trinnene undervejs, og ryd op, når du er færdig. Dit fremtidige jeg skal kunne læse listen.

Ingen af de tre er svære at undgå, men alle tre opdages typisk først, når rapporten skal køres anden gang — gerne en fredag eftermiddag. Det er også derfor, den slags detaljer fylder en del på videregående Excel, hvor man arbejder med rigtige datasæt frem for pæne eksempler.

Modargumentet: "Vi har jo et BI-system"

Har I et ordentligt rapporteringssystem, skal faste rapporter ligge der. Det er ikke til diskussion — et regneark på en enkelt medarbejders drev er ikke et rapporteringssystem.

Men der er altid et mellemrum. Analysen, nogen skal bruge i næste uge. Det datasæt, ingen har nået at få ind i systemet. Den kombination af tre kilder, der kun skal laves fire gange. Det er i det mellemrum, Power Query hører hjemme, og mellemrummet forsvinder aldrig helt.

Der er også en mere lavpraktisk grund: den samme forespørgselsmotor findes i Power BI. Lærer du den i Excel, har du lært en stor del af det, der skal bruges dér. Tiden er ikke spildt, selv om I senere flytter rapporterne.

Sådan kommer du i gang

Vælg den opgave, der irriterer dig mest, og som du skal lave igen næste måned. Ikke den mest komplicerede — den mest gentagne.

Sæt en time af. Byg den i Power Query, og accepter, at det tager længere tid end at gøre det i hånden denne ene gang. Det er investeringen. Næste måned tjener du den hjem, og måneden efter tjener du den hjem igen.

Skriv undervejs ned, hvad du gjorde — ikke trinnene, men hvilke beslutninger du tog om data. Hvorfor filtrerede du de rækker fra? Hvad gjorde du med de tomme felter? Den note er guld værd, når nogen om et halvt år spørger, hvorfor tallet i rapporten ikke passer med systemet.

Hvornår du skal lade være

Der er opgaver, hvor Power Query er det forkerte valg, og det sparer dig for en del ærgrelse at kende dem på forhånd.

Skal noget kun laves én gang, så lav det i hånden. Opsætningen betaler sig først fra anden eller tredje kørsel, og et engangsudtræk hører til i den første kategori.

Skal du regne på data frem for at rense dem, hører arbejdet stadig hjemme i formler og pivottabeller. Power Query former datasættet, inden analysen begynder — den erstatter ikke analysen.

Og er kilden et system, der løbende ændrer sine kolonnenavne, bliver en forespørgsel skrøbelig. Så er den rigtige løsning at få et stabilt udtræk, ikke at bygge mere oven på et ustabilt et.

Den tommelfingerregel dækker det meste: gentaget og rodet arbejde med en nogenlunde stabil struktur hører til i Power Query. Alt andet gør ikke.

Den time, du får igen hver måned

Det her er ikke avanceret Excel. Det er den mest almindelige form for kontorarbejde, sat i system, og det kræver hverken programmering eller tilladelser fra IT.

Til gengæld ændrer det, hvad du bruger din tid på. Rensning og sammensætning er noget, en maskine kan gøre. Det, der kræver dig, er at afgøre, hvad tallene betyder — og det er svært at nå, når halvdelen af dagen går med at rette datoformater.

Vil du videre end det grundlæggende, tager avanceret Excel fat i de mere komplekse forespørgsler og datamodeller. Og skal du hele vejen rundt om Excel som analyseværktøj, er Excel Master-uddannelsen det samlede forløb.