Noen liker golf. Noen mennesker liker å surfe. Fortsatt andre mennesker kjører entusiaster. Og så ... det er datahundene. Det er de menneskene som ser muligheten for oppdagelse i hver tabell og regneark fylt med tilsynelatende meningsløs og ikke-relatert informasjon. Når du spiller rundt med data - reorganiser, ompakker og utveier - du kan begynne å koble prikkene og trekke ut ledetråder som fører deg til viktige og nyttige svar.
Det er skjønnheten i data - noe de fleste ser på og finner kjedelige, eller altfor komplekse, dataanalytikere finner vakre og avslørende. Vi har dekket en rekke nyttige verktøy for å analysere data her på MUO, for eksempel Bandalizer for CSV-datafiler, som selvfølgelig Excel kan håndtere Hvordan konvertere avgrensede tekstfiler til Excel-regneark Slik konverterer du avgrensede tekstfiler til Excel-regneark Bruk Microsoft Excel for å importere data fra en tekstfil til et regneark. Veiviseren for tekstimport hjelper deg med å importere data fra avgrenset tekst og organisere det pent. Les mer også. Dataanalyse lar deg gjøre ting som nisjeanalyse 4 Nettsteder for å gjennomføre en nisjeindustrianalyse 4 Nettsteder for å gjennomføre en nisjeindustrianalyse Les mer forskning, og selvfølgelig lage kule datavisualiseringer 5 Kuleste steder for å finne visualiseringer på nettet 5 kuleste steder å finne Visualiseringer på nettet Om noen måneder siden kontaktet noen meg om jeg ønsket å publisere en av deres infographics på nettstedet mitt. Før da hadde jeg aldri hatt mye interesse for slike visualiseringer av ... Les mer.
Men visste du at et av de største verktøyene for alle å utføre dataanalyse er faktisk Google Regneark? Årsaken til dette er ikke bare fordi en Google-regnearkrapport kan gjøre nesten alt du kanskje vil gjøre med Microsoft Excel (selv om du kan), men det er faktisk på grunn av noen veldig kule rapporteringsverktøy som kommer som standard i Google Regneark.
I denne artikkelen skal jeg vise deg hvordan du bruker Pivot Report, grafer og diagrammer i Google Regneark, noen få eksempler på hvordan du kan bruke dem til å analysere tilsynelatende komplekse data, og hvordan du kan ende opp med noen virkelig flotte diagrammer og grafer i slutten.
Bruke Pivot Rapporter for å utføre underverk
Hvis du aldri har brukt pivotrapporter, så er du inne for en skikkelig godbit. I dette eksemplet skal jeg bruke Adsense-data som inneholder tre felt jeg vil analysere - antall annonser som er klikket, antall annonser som er vist, og lengden på artikkeltitlene.
Det jeg er nysgjerrig på å finne en sammenheng for, er om tittellengden av artikkelen påvirker antall Adsense-annonser som vises eller klikkes. Det er denne typen tilsynelatende ukoblede data som en pivotrapport kan beregne og avsløre.
Når du er på bordet med dataene, klikker du bare på "Data" i Google Spreadsheet-menyen, og velger "Pivot Table Report ..." i rullegardinmenyen.
Dette åpner et nytt ark hvor du kan begynne å bygge din nye pivotrapport. En "Rapportredigerer" åpner opp på høyre side av arket, noe som virker som en veiviser som veileder deg gjennom å opprette din nye rapport. Du vil starte med å legge til radene - de viktigste dataene du vil starte med. I dette tilfellet vil jeg vite om tittellengden påvirker annonseresultatene, så radene i dette tilfellet vil være titler.
Deretter vil du legge til verdier i rapporten. Når du legger til nye verdier, fyller du ut rapporten med disse verdiene fra det opprinnelige regnearket, med unntak av at dataene beregnes på måten du definerer det i rapportredigeren. I dette tilfellet bruker jeg "SUM" fordi hver tittel bare har en verdi uansett. Men nå kan jeg sortere etter tittellengden under tittellinjeinnstillingen øverst. 
Du kan legge merke til noen "søppelpost" -data i arket ditt - ting som nuller, eller felt der det ikke er noen gyldige data. Du kan faktisk fortelle pivotrapporten for å ignorere de dårlige verdiene ved å klikke på "Legg til felt" i Filterseksjonen i Rapportredigering. Deretter kan du deaktivere alle elementene du vil at rapporten skal ignorere.
Nå som du har summert og sortert alle dataene, kan det bli mye tydeligere. Plutselig kan du se mønstre, som det faktum at titler mellom 60 og 80 tegn har en tendens til å fungere mye bedre av en eller annen grunn (for eksempel).
Dette er ting som bare ikke er så tydelige i den rotete, kaotiske regnearkverdenen der dataene er usorterte og ufiltrerte. Pivotrapporter er ekstremt fleksible, og lar deg gjøre andre ting med hver kolonne med data som oppsummering av antall, gjennomsnitt, maks eller min, standardavvik og mye mer. Kraften til pivotrapporter kommer virkelig ut når du begynner å rote rundt med dataene og se hvilke fantastiske ting som kommer ut av det på slutten.
Bruke diagrammer og grafer i Google Regneark
En annen god måte å analysere data på er i en mer grafisk form. Når du har dataene sortert slik du liker å bruke en pivotrapport, er det på tide å begynne å kartlegge de aktuelle sakene. Google Regneark kommer med et stort utvalg av kartverktøy for å hjelpe deg. For å komme til dem, bare markere dataene du vil kartlegge, klikk på "Sett inn" menyelementet og velg "Diagram" fra listen. En diagramredigerer vil dukke opp med en forhåndsvisning av dataene dine kartlagt i høyre rute.
Du kan kjøre gjennom alle karttyper som er tilgjengelige for å se hva som gir den beste representasjonen av dataene du leter etter. Det er linjediagrammer, linjediagrammer, kakediagrammer og til og med noen veldig kule målere og også kartdiagrammer som jeg gleder meg til å leke med på et tidspunkt. Men for mitt formål her viste området linjediagram sammenligning virkelig hva jeg ønsket - to hot spot-områder som synes å innebære bedre annonseresultat på to bestemte tittellengder av artikler. 
Dette er ganske interessante ting, og ikke noe som ville bli så lett avslørt i et bord fullt av rådata. Et annet kult verktøy som er tilgjengelig i Google Spreadsheet for å vise data grafisk, er en funksjon som heter "Sparkline". Denne funksjonen lar deg faktisk omdanne en celle i regnearket til et linjediagram. Alt du trenger å gjøre er å skrive noe som følgende i en celle:
"= Sparkline (E8: F8, {" charttype ", " bar "})"
Hva gjør denne? Vel, det lar deg i utgangspunktet kartlegge data i cellen. I dette tilfellet sammenligner jeg tallene i kolonne E og F og bruker et strekdiagram for å vise prosentandelen. Kolonne F er representert i blå og E i oransje, så med et blikk på regnearket ditt, kan du raskt identifisere hvor skalaene har tippet når du sammenligner data eller identifiserer "alarm" -betingelser. 
Dette er bare noen få ideer for å gjøre bruk av Google-regneark for å analysere data ved hjelp av kraftige verktøy som pivotrapporter og kartverktøyene. Google regneark blir raskt (eller kanskje det allerede er) en stor konkurrent i dataanalysevirksomheten, og det er tilgjengeligheten på nettet betyr at det også er praktisk og brukervennlig uansett hvor du er.
Når du har det travelt og trenger å behandle mye informasjon raskt mens du er på farten, er det en stor avtale. Og det faktum at du bare kan importere data eller en CSV-fil inn i det første arket, og alle pivottrapporter og diagrammer blir opprettet automatisk for deg - det er bare rent gullstøv.
Så hvis du ikke har brukt det ennå - foreslår jeg sterkt at du gir Google Spreadsheet-rapporter et forsøk på å automatisere dataanalysene dine. Og hvis du har brukt det en stund, men ikke visste om disse verktøyene - for all del, gi dem en prøve. Du vil være glad du gjorde.
Hvordan bruker du Google Spreadsheet? Hva er dine favorittverktøy som du ikke kunne leve uten? Del dine tanker og ideer i kommentarfeltet nedenfor!
Bilde Kreditt: Forretningsmann Hånd via Shutterstock