IT Fördjupning Lektion 3

En presentation över ämnet: "IT Fördjupning Lektion 3"— Presentationens avskrift:

1 IT Fördjupning Lektion 3

2 Repetition IT Fördjupning

3 Databaser: terminologi
Tabell Id/Nyckel Attribut/Kolumner Person Telefonnummer PersonID Namn AdressID 1 Göran Wiréen 2 Anna Björk 3 Johan Asplund 4 Malin Jonsson 5 Bo Svensson TelefonID Nummer PersonID 1 2 3 4 5 Tabellsymbol Databaser (relationsdatabaser) består av en mängd tabeller. Dessa tabeller består av ett namn på själva tabellen, samt rader och kolumner. Kolumnerna kallas ibland även för Attribut eller Fält. Varje tabell innehåller nästan alltid en kolumn som har unika värden. Denna kolumn kallas för Id eller Nyckel. Denna måste vara unik för varje enskild tabell. Värdena i denna kolumn används för att unikt identifiera varje enskild rad i tabellen. Det vanligaste är att detta värde är ett löpnummer, men det kan lika gärna vara en mailadress, personnummer, eller annat (detta är dock ineffektivt för det interna databassystemet eftersom det blir komplexare värden att lagra och söka efter). Många tabeller innehåller också referenser/relationer till andra tabeller. Dessa brukar döpas till ”<RefereradTabellnamn>ID”, t.ex. ”AdressID”, ”PersonID” och är en referens till en tabells nyckelkolumn. Adress Rader AdressID Gatuadress Postnr. Ort 1 Skvadronsg. 5 58750 Linköping 2 Källgatan 18 64692 Gnesta 3 Hamngatan 2 25582 Helsingborg 4 Örebrogatan 17 63532 Västerås Adress AdressID Gatuadress Postnr Ort

4 Microsoft Query Så här fungerar det. (ODBC)
Den externa databasen kan vara av olika typ (t.ex. My SQL, Oracle, SQL Server). Datakällan är ett slags ”översättningsgränssnitt” som använder ett specifikt protokoll (ODBC, Open DataBase Connectivity). Tack vare detta gränssnitt så behöver olika program inte bekymra sig för hur man kommunicerar med olika typer av databaser. T.ex. så ansluter Microsoft Query mot en ODBC-datakälla och kommunicerar med den oavsett vilken typ av databas som är på andra sidan. När Microsoft Query ställer ”frågor/queries” till Datakällan så skickas frågan vidare till databasen (med korrekt ”översättning” som fungerar på databasen). Svaret går sen tillbaka via Datakällan och anpassas till Microsoft Query som sen bearbetar, sorterar, filtrerar datan innan den skickas vidare till Excel. Den data som skickas till Excel blir en slutgiltig tabell med det önskade resultatet. Ett exempel: Microsoft Query ställs in för att hämta ”en tabell med varje säljares försäljningssumma föregående månad, sorterat i bokstavsordning”. Microsoft Query skickar en begäran till Datakällan att hämta de tabeller som behövs för ändamålet (ev. filtrerade) innan det slutliga resultatet skickas vidare till Excel. Om användare väljer att uppdatera arbetsboken så hämtas ny information.

5 MS Query: Arbeta med tabeller
I denna skärmdump illustreras att vi har valt data från två kolumner (customer och salesman) och kopplat samman dessa med en relation som styrs av kolumnerna ”salesman_code”. MS Query länkar samman de två tabellerna och plocka ut data från båda som gör att det hela blir mer begripligt. Det visas en relation/koppling mellan tabellerna som styrs av ”salesman_code”. Genom att dubbelklicka på ”salesman_name” i den nya tabellen så kommer säljarens fullständiga namn visas. Därmed kan vi radera kolumnen för salesman_code eftersom den var så intetsägande för oss.

6 Pivottabeller Pivottabeller Ursprungstabell
I detta exempel visas hur två olika pivottabeller kan se ut baserat på en ursprungstabell. När man väljer att skapa en pivottabell i Excel så efterfrågas vilken data som ska sammanställas. I det översta pivot-exemplet har vi valt att sammanställa förhållandet mellan ”Land” och ”Storlek på ordern”. I det andra har vi valt att sammanställa förhållandet mellan ”Försäljare” och ”Storlek på ordern”. Det finns många möjligheter att sammanställa data mha Pivot-tabeller och det bästa sättet att lära sig detta på är att faktiskt jobba med det. Här behöver man inte vara speciellt orolig. Det är inget som ”förstörs” utan man kan experimentera rätt mycket med data, filter, sorteringar, m.m. utan att något ”går sönder”.

7 Pivottabeller: Tips & Trick 1
Att summera annat än tal, t.ex. räkna antalet ordrar/kund, antal kunder/säljare etc.. Man kan summera annat än numeriska värden i Värdefältet i Pivotabellerna. Excel väljer automatiskt att räkna antal istället för att summera om det inte rör sig om tal. T.ex. så tar man en tabell med alla anställda och väljer ”Avdelning” för raderna och exempelvis ”Namn” som värden. Då grupperas pivottabellen att visa hur många anställda det är på varje avdelning genom att räkna antalet ”Namn”.

8 Pivottabeller: Tips & Trick 4
Pivottabellen kan gruppera automatiskt o smart Pivottabellen kan gruppera automatiskt o smart. Beroende på vad man väljer som Radetiketter så kan Excel gruppera dessa smart. Ex: välj datum som radetiketter och säljvärde som ”värde”. Högerklicka på ett datum och välj gruppera. Man får då möjligheten att välja hur datumen ska grupperas, t.ex. månadsvis

9 Pivotdiagram Ursprungstabell Pivottabeller Pivotdiagram
Ett pivotdiagram är en form av förlängning av Pivotdiagrammet. Man skapar helt enkelt ett diagram från pivottabellen. Pivotdiagrammet har samma interaktiva möjligheter som tabellerna. Dvs. du kan välja vad som ska visas på x- och y-axeln, vilka data som ska visas/filtreras, etc…

10 Fältlistan för pivotdiagram
Det finns alltid en underliggande datakälla samt en underliggande pivottabell. När man skapar ett pivotdiagram så är principen ganska lik men med några få begreppsskillnader. ”Rapportfilter” anger vilken information man vill kunna filtrera med ”Förklaringsfält” ska du använda om du t.ex. vill ha flera staplar per ”kategori” (x-axeln) ”Axelfält är det du visar på x-axeln ”Värden” är helt enkelt vilka värden staplarna ska visa x y

11 Databaser, avancerade frågor
Bra att känna till… men pivottabeller kan lösa det mesta