SVERWEIS mit als Text formatierter Zahl

Exporte und die Daten aus Systemen können in unterschiedlichen Formaten daherkommen. Teilweise sind Angaben wie "Produktnummern" als Text formatiert, in einer Referenztabelle (z.B. einer Produktliste) sind diese jedoch nicht. Das kann dazu führen, dass Verweise wie der "SVERWEIS" kein Resultat findet. Nachfolgend wird ein simpler Weg aufgezeigt, wie die Formel erweitert werden kann, ohne die Input-Daten (im Textformat) zunächst als Zahl umformatieren zu müssen.

Angenommen Du möchtest aus einer Liste mit diversen Produktnummern den Stückpreis hinzufügen. Diesen würden wir mittels "SVERWEIS" aus einer anderen Tabelle, der Produkttabelle, anreichern. Die ist ein Beispiel der Produkttabelle:

Produktliste

Wenn wir nach einem Produkt wie beispielsweise "5712471" suchen, sollten wir den Stückpreis von 105.-- zurückerhalten. Da unsere eine Liste jedoch als Text formatierte Zahlen enthält, können wir mittels "eigentlich" korrekt gesetzter Formel dennoch kein Resultat zurückerhalten. Der SVERWEIS gibt also #NV als Fehlermeldung zurück:

SVERWEIS_Fehlermeldung

Dies wäre die Formel eines "simplen" SVERWEIS:

=SVERWEIS(A2;Produkttabelle!A:C;3;0)

Anstatt dass wir nun die Produktnummer in unserer Suche umformatieren, können wir die Formel leicht ergänzen. Wenn wir eine als Text formatierte Zahl mit *1 multiplizieren, dann erhalten wir eine korrekt formatierte Zahl. Der SVERWEIS funktioniert dann. Dies wäre das gewünschte Resultat:

SVERWEIS_korrekt

Wobei wir die oben aufgeführte Formel nur leicht anpassen, indem wir A2 mit *1 multiplizieren:

=SVERWEIS(A2*1;Produkttabelle!A:C;3;0)

Weitere Tipps & Tricks

Auf Excelblog.ch findest Du diverse weitere Tipps & Tricks zu Verweisen wie dem SVERWEIS, aber auch zum Umgang mit als Text formatierten Zahlen. Siehe beispielsweise:

Datenanalyse mit Excel: Tipps für Power Query und Power Pivot

Excel ist längst nicht mehr nur eine einfache Tabellenkalkulation. Mit "Power Query" und "Power Pivot" kannst Du Daten aus verschiedenen Quellen importieren, verwalten und analysieren. Das erlaubt fundierte Entscheidungen und spannende Einblicke in die Daten (respektive die daraus gewonnenen Informationen). In diesem Beitrag werde ich Dir einen kurzen Einblick in die Welt der fortgeschrittenen Datenanalyse mit Excel geben und einige Tipps für die effektive Nutzung der Tools "Power Query" und "Power Pivot" vorstellen.

Power Query ist ein Tool, das es Dir ermöglicht, Daten aus unterschiedlichen Quellen wie Datenbanken, Textdateien, Webseiten und mehr zu importieren und zu transformieren. Mit Power Query können Daten bereinigt und für Analysen vorbereitet werden, ohne dass komplexe Formeln geschrieben werden müssen. Power Pivot ist ein leistungsstarkes Datenmodellierungstool, das es Dir ermöglicht, grosse Mengen an Daten aus verschiedenen Quellen zusammenzuführen und zu analysieren. Es ermöglicht die Erstellung von Beziehungen zwischen Tabellen und die Durchführung komplexer Berechnungen mit einer benutzerfreundlichen Oberfläche.

Somit bietet der Einsatz von Power Query und Power Pivot eine Vielzahl von Vorteilen für Deine Datenanalyse in Excel: Effizienzsteigerung, Datenintegration, leistungsstarke Berechnungen und interaktive Analysen. Neben Zeitersparnissen und der Reduktion von Fehlern durch Direktanbindungen kannst Du komplexe Berechnungen durchführen, die über die Funktionen von Excel hinausgehen - beispielsweise durch die Erstellung von DAX-Formeln (Data Analysis Expressions). Es lassen sich interaktive Dashboards und Berichte erstellen, die auf dynamische Weise Analysen und Einblicke in Deine Daten ermöglichen.

Unterschied zu klassischen Pivot-Tabellen

Klassische Pivot-Tabellen in Excel bieten eine Möglichkeit, Daten zu analysieren und Zusammenfassungen zu erstellen, indem sie Zeilen- und Spaltendaten aggregieren. Während sie für grundlegende Analysebedürfnisse nützlich sind, haben sie ihre Grenzen, insbesondere wenn es um die Verarbeitung grosser Datenmengen und die Durchführung komplexer Berechnungen geht. Power Pivot bietet im Vergleich dazu erweiterte Funktionen und Flexibilität. Es ermöglicht nicht nur die Verbindung von Daten aus verschiedenen Quellen, sondern wie erwähnt auch die Erstellung von Beziehungen zwischen Tabellen und die Durchführung komplexer Berechnungen über DAX-Formeln. Darüber hinaus können mit Power Pivot umfassendere Analysemodelle erstellt werden, die eine detailliertere Untersuchung der Daten ermöglichen.

Tipps für den Einstieg

Für Einsteiger in die Nutzung von Power Query und Power Pivot gibt es einige Tipps, die Deinen Start erleichtern. Allen voran die praktische Anwendung und das Experimentieren: Beginne mit kleinen Datenmengen und übe die Anwendung von Power Query und Power Pivot in realen Szenarien, um dein Verständnis zu vertiefen. Experimentiere und nutze die verschiedenen Funktionen und Optionen von Power Query und Power Pivot, um zu verstehen, wie Du deine Daten am effektivsten analysieren und präsentieren kannst. So erhältst Du ein Grundverständnis, was möglich ist und kannst im Nachgang weitere (Online-)Ressourcen konsultieren, Übungen nachahmen und fortgeschrittenere Lerneinheiten absolvieren.

Statistikformeln und Datenanalyse

Datenanalysen sind in vielen Bereichen unverzichtbar geworden. Um das volle Potenzial von Excel auszuschöpfen, ist es wichtig, einige grundlegende Statistikformeln zu verstehen. In diesem Blogbeitrag stelle ich Dir einige wichtige Formeln vor, erläutere ihre Syntax und zeige jeweils zwei mögliche Anwendungsfälle auf.

Standardabweichung (STABW)

Die Standardabweichung ist ein Mass für die Streuung von Datenpunkten um den Durchschnitt (auf die wohl allbekannte Formel "MITTELWERT" gehe ich hier nicht ein), wobei es eine Unterscheidung zwischen STABW.N (Grundgesamtheit) und STABW.S (Stichprobe) gibt.

Syntax

=STABW.S(Zahl1; Zahl2; ...)

Die Funktion berechnet die Standardabweichung einer Gruppe von Zahlen.

Anwendungsfälle

  1. Qualitätskontrolle: In der Produktion kann die Funktion verwendet werden, um die Streuung von Produktionsmessungen zu analysieren und die Qualität zu überwachen.
    Beispielsweise: "=STABW.S(3; 4; 2; 5; 3)"
  2. Finanzanalyse: Bei der Analyse von Finanzdaten kann die Standardabweichung verwendet werden, um das Risiko einer bestimmten Investition zu bewerten.

Korrelationskoeffizient (KORREL)

Der Korrelationskoeffizient misst die Stärke und Richtung der linearen Beziehung zwischen zwei Variablen respektive zwei Bereichen.

Syntax

=KORREL(Matrix1; Matrix2)

KORREL berechnet den Korrelationskoeffizienten zwischen zwei Datenbereichen.

Anwendungsfälle

  1. Marktforschung: In der Marktforschung wird der Korrelationskoeffizient verwendet, um die Beziehung zwischen Werbeausgaben und Verkaufszahlen zu analysieren.
    Beispielsweise: "=KORREL(A2:A13; B2:B13)", wobei Spalte A die Werbeausgaben für 12 Monate beinhaltet, Spalte B die Verkaufszahlen.
  2. Sportanalyse: Bei der Analyse von sportlichen Leistungen zeigt der Korrelationskoeffizient den Zusammenhang zwischen Trainingsstunden und Leistungsergebnisse auf.

Quantile (QUANTIL.INKL)

Die QUANTIL.INKL-Funktion gibt den Wert zurück, unter welchem eine gegebene Prozentsatzmenge der Daten liegt.

Syntax

=QUANTIL.INKL(Bereich; K)

Die Funktion QUANTIL-INKL gibt das Quantil (K) einer Datenmenge zurück, wobei K im Bereich von 0 bis 1 liegt. Das Quantil entspricht dem Wert, unter welchem eine bestimmte Prozentsatzmenge der Daten fällt. (Es gibt zudem die Option "QUANTIL-EXKL", wobei K ausgeschlossen und nicht eingeschlossen ist.)

Anwendungsfälle

  1. Einkommensverteilung: Um das k-te Quantil des Einkommens in einer Bevölkerung zu berechnen.
    Beispielsweise: "=QUANTIL.INKL(A2:A100; 0.9)"
  2. Leistungsanalyse: Um den unteren Leistungsstand zu identifizieren, kann das 25. Quantil von Prüfungsergebnissen ermittelt werden.

Regressionsanalyse (RGP)

Die RGP-Funktion führt eine einfache lineare Regression durch und gibt eine Analyse der Regressionsstatistik zurück. Dies dient zur grafischen Darstellung der linearen Beziehung einer unabhängigen und einer abhängigen Variablen.

Syntax

=RGP(Y-Werte; X-Werte; Konstante; Statistik)

Die Funktion berechnet die Regressionsstatistik für eine Gruppe von Datenpunkten und gibt verschiedene Statistiken zurück, einschliesslich der Regressionsgeraden und dem Bestimmtheitsmass (R²).

Anwendungsfälle

  1. Verkaufsprognose: Um den Zusammenhang zwischen Werbeausgaben (X) und Verkaufszahlen (Y) zu analysieren und darzustellen, kommt die Regressionsanalyse (RGP-Funktion) zum Einsatz.
    Beispielsweise: "=RGP(B2:B13; A2:A13; WAHR; WAHR)", wobei Spalte A die Werbeausgaben für 12 Monate beinhaltet, Spalte B die Verkaufszahlen.
  2. Wettervorhersage: Meteorologen verwenden die Funktion, um den Zusammenhang zwischen der Temperatur (X) und der Niederschlagsmenge (Y) zu untersuchen.

Die Anwendung dieser Formeln erweitert Deine Fähigkeit in der Datenanalyse mit Excel und ermöglichen es, fortgeschrittenere Einblicke in Deine Daten zu gewinnen. Experimentiere mit verschiedenen Datensätzen und passe die Formeln auf Deine spezifischen Analyseanforderungen an.