Rå data er sjældent klar til at svare på dit spørgsmål med det samme. Ofte mangler der lige det ene, der gør tallene brugbare: en alder, en ugedag, en by, en avance. At tilføje det kaldes data enrichment, at berige data, og det er et af de mest oversete trin i en analyse. Det er præcis den “berig”-del af trin 4 i analyseprocessen, og det er tit her, rå tal bliver til noget, du faktisk kan handle på.
Der er grundlæggende to måder at gøre det på.
Den første er at regne en ny kolonne ud af dem, du allerede har. Har du bilens produktionsår, kan du beregne dens alder; har du pris og kostpris, kan du udlede avancen; har du fornavn og efternavn, kan du sætte dem sammen til et fuldt navn. Du tilføjer ingen ny information udefra, men du gør den, du har, direkte brugbar.
Den anden er at hente data udefra og koble dem på via en fælles nøgle. Har du en lufthavns IATA-kode (CPH, LHR, JFK), kan du slå den op i en tabel over alle lufthavne og få by og land med. Har du vægten på dine pakker og PostNords prisliste, kan du kombinere de to og beregne din daglige portoudgift. Det er her, dine egne interne data møder eksterne kilder, og det er også her, du skal være mest omhyggelig, for et opslag, der rammer forkert, forplanter sig gennem hele analysen.
Dato og tid: den mest værdifulde berigelse
Den berigelse, der oftest giver mest, handler om tid. Og for at bruge den skal man forstå en lille, men vigtig hemmelighed: for et regneark er en dato bare et tal.
Excel tæller dage siden den 1. januar 1900. Derfor er den 13. marts 2024 for Excel bare tallet 45.364, nemlig antallet af dage, der er gået. Klokkeslættet gemmer sig i decimalerne: et døgn er 1,0, så klokken 12 (halvvejs gennem døgnet) er 0,5, klokken 06 er 0,25, og 23:59 er 0,9993. Datoen står før kommaet, klokkeslættet efter. (Andre systemer tæller fra andre startdatoer, men princippet er det samme.)
Den indsigt er guld værd, af to grunde. For det første kan du regne med datoer: fordi de er tal, kan du trække to datoer fra hinanden og få antallet af dage imellem, eller lægge dage til for at finde en forfaldsdato. For det andet kan du udlede en hel vifte af nye kolonner ud af ét enkelt tidsstempel. Fra “13-03-2024 12:00” kan du hive år, måned, ugedag og time ud, og med dine egne regler kan du oven i købet klassificere hver registrering som “rush hour” eller ej, hverdag eller weekend. I Excel gør funktioner som =ÅR(), =MÅNED(), =UGEDAG() og =TIME() arbejdet. Pludselig kan du analysere, hvornår på dagen eller ugen noget sker, selvom dine rådata “bare” var et klokkeslæt.
Opslag og Power Query
Til den enkle berigelse rækker regnearkets egne funktioner langt. Et opslag laves med =LOPSLAG() eller det nyere =XOPSLAG(), der henter en værdi fra en anden tabel ud fra en fælles nøgle. Skal du gøre det samme igen og igen, for eksempel bygge den samme berigede rapport måned efter måned, er Power Query værktøjet. Der bygger du berigelsen som en opskrift, der fletter tabeller sammen og omdanner kolonner, og som du bare kan opdatere, når der kommer nye data. Det gør en engangsøvelse til en rapportering, der kører af sig selv.
Pas på undervejs
Berigelse giver kraft, men også nye måder at blive snydt på. Et opslag, der ikke har en entydig nøgle, kan komme til at duplikere rækker eller efterlade huller, hvor nøglen ikke matcher, så tjek altid, at antallet af rækker er, som det skal være, og at der ikke er dukket nye tomme felter op (se Manglende data). En beregnet kolonne arver desuden alle fejl fra dem, den er regnet ud af; er produktionsåret forkert, bliver alderen det også. Og husk, at en ny kolonne har sin egen datatype: en udledt “ugedag” er kategorisk, ikke et tal, du bør tage gennemsnit af (se Datatyper og skalaer). Endelig gælder den gamle regel: rør ikke rådata, men byg berigelsen i nye kolonner, så du altid kan spore, hvor et tal kommer fra.
Kort sagt
At berige data er at gøre dem mere anvendelige, enten ved at regne nye kolonner ud af dem, du har, eller ved at hente oplysninger udefra og koble dem på. Den mest værdifulde berigelse er som regel tid, fordi et enkelt tidsstempel kan foldes ud til år, måned, ugedag og time, når man først forstår, at en dato bare er et tal. Gør det bevidst, tjek dine opslag, og berig kun med det, der bringer dig tættere på svaret. Så løfter du dine data et solidt trin op ad videnskæden.