Power Query: Dateien aus Ordner importieren und anfügen, aber OHNE Fehler
Alle Dateien aus einem Ordner nicht manuell, sondern automatisiert einzulesen und anzufügen, ist eine enorme Arbeitserleichterung. Ich muss mir nur einmal Gedanken machen, wie eine solche Datei aufbereitet werden muss. Power Query hinterlegt die Schritte und wendet sie bei jeder Datei aus dem Ordner an, auch wenn eine neue hinzukommt. Nach der Aufbereitung der einzelnen Dateien werden die Daten aus allen Dateien kombiniert durch Anfügen. Ich muss also künftig nur noch auf Aktualisieren klicken, um die Daten aus allen Dateien in einer langen Liste zu erhalten.
Was aber, wenn versehentlich eine »falsche« Datei in den Ordner gerät? Ein Aktualisierungsfehler kann die Folge sein. Wie ich dem vorbeuge, zeige ich im folgenden Beitrag.
Chaos bei Kundennummern nicht manuell, sondern automatisiert beheben – in nur 2 Minuten
Kurz vor Jahresende erhielt ich den Hilferuf eines Kunden. Eine Liste mit Online-Daten sollte mit den bestehenden Kundendaten abgeglichen werden. Das Problem: in der Liste mit den Kundenstammdaten stehen die Kundennummern ordnungsgemäß einzeln untereinander, in der Online-Liste hingegen befinden sich teilweise mehrere Kundennummern in einer Zelle – durch Komma getrennt. Der Versuch, die Daten der Online-Liste mit dem Befehl Text in Spalten in einzelne Kundennummern zu trennen, bringt nicht das gewünschte Ergebnis. Mit einer Abfrage in Power Query ist das Problem in zwei Minuten gelöst.
Die Originaldaten links mit Hilfe von Power Query in die erforderliche Form bringen
Daten aus zwei Listen bündeln zu einer lückenlosen Gesamtübersicht mittels JOIN
Welche Produkte bisher welchen Umsatz gemacht haben, ist auf Basis einer Umsatzliste mit Pivot schnell ermittelt. Doch wie lässt sich herausfinden, welche Produkte bis dato nicht verkauft wurden? Dazu gibt es keine Daten, denn die Umsatzliste enthält nur die verkauften Produkte. Hier hilft eine zusätzliche Liste weiter, in der alle Produkte erfasst sind.
Aus den zwei Listen für Umsätze und Produkte wird eine Gesamtliste generiert, die für alle Produkte die Umsatzzahlen zeigt, auch wenn diese bei null liegen
Wie ich mit Hilfe eines Joins eine komplette Liste aller Produkte mit allen Umsätzen erstelle, beschreibe ich in diesem Beitrag.
Flow & Planner | Wenn Power Query an seine Grenzen stößt
Bevor Daten in Excel oder Power BI analysiert werden können, müssen sie importiert und gegebenenfalls aufbereitet werden. Mit Power Query ist das in der Regel kein Problem. Doch wenn Power Query nicht auf die Datenquelle zugreifen kann, muss der Import wie früher per Hand erfolgen. Die Alternative zum zeitraubenden manuellen Import bietet Power Automate.
Power BI-Kompetenztage: Ab sofort ist die Anmeldung möglich
Gute Nachricht für alle, die sich für das Thema Power BI interessieren und Startschuss für all jene, die ungeduldig darauf warten, sich für die diesjährigen Power BI-Kompetenztage anmelden zu können:
- Am 28./29. Oktober geht es für BI-Enthusiasten, Datenanalysten und Prozessoptimierer in Fulda zur Sache.
- An beiden Tagen vermitteln zwei Kursreihen praxisnahes Know-how zu den modernen BI-Tools von Microsoft.
- Kursreihe 1 ist für Einsteiger, die Daten mit Power BI Desktop automatisiert importieren, aufbereiten und mit interaktiven Reports visualisieren wollen. Hier geht’s um Power Query, Datenmodell, DAX und interaktive Reports.
- Kursreihe 2 richtet sich an alle, die die erweiterten Möglichkeiten zur automatisierten Datenanalyse mit Power BI, Power Automate und Power Apps nutzen wollen. Hier steht Microsofts sog. „Power Platform“ im Zentrum und ihr Nutzen wird anhand von Praxisbeispielen erlebbar.
Alle Informationen inkl. Anmeldung gibt es auf der Webseite der Power BI-Kompetenztage.
Der Flyer inkl. Kursplan für die zwei Tage steht als PDF zum Download bereit.
Das Trainerteam – Dominik Petri und Hildegard Hügemann – verfügt über fundiertes Praxiswissen, erworben in zahlreichen Inhouse-Seminaren und BI-Projekten. Beide haben ihre Fangemeinde, mit der sie über Meetup, TEAMS, XING, Facebook und insbesondere über die vom Microsoft unterstützte Power BI User Group Frankfurt in einem regen fachlichen Austausch stehen.
Fuzzy Matching macht’s möglich: Mit Power Query unvollständige Angaben entschlüsseln und ergänzen
Mit einer neuen Funktion in Power Query konnte ich kürzlich ein verzwicktes Datenproblem bei einem meiner Kunden lösen. Und zwar sollten die Außendienstmitarbeiter zusammentragen, welche Kunden sie in den letzten zwei Wochen besucht haben. Eigentlich eine einfache Sache. Doch beim Sichten der abgegebenen Listen wurde schnell klar, dass die eingegebenen Kundennamen von denen im firmeneigenen CRM-System zum Teil abweichen:
- mal wurde der Bindestrich im Namen weggelassen,
- mal wurde der Name abgekürzt,
- mal die Bezeichnung GmbH vergessen.
Die unvollständig eingegebenen Firmennamen links verursachen Probleme beim Zuordnen zu den Stammdaten im CRM-System
Wie lassen sich solche unvollständigen Angaben den Kundendaten im CRM-System zuordnen?
Wie können die korrekten Kundennamen und die zugehörigen Kundennummern ermittelt werden?
Ich löste die Aufgabe in 4 Schritten mit einer neuen Join-Variante in Power Query.
Wann Power BI Desktop besser als Excel ist
Sie fertigen Ihre Analysen in Excel mit viel Zeitaufwand an? Sie erstellen daraus Diagramme in PowerPoint? Sie verschicken die Präsentation dann als PDF per E-Mail?
Wäre es nicht besser, wenn Sie Ihre Kollegen und Vorgesetzen LIVE mit interaktiven Auswertungen und packenden Geschichten zu den gezeigten Daten informieren und begeistern? Wie wäre es, wenn Sie die wirklich wichtigen Aussagen nicht erst lange in der täglichen Datenflut suchen müssen, sondern einfach per Mausklick anzeigen lassen. Power BI Desktop liefert Ihnen das.
Erfahren Sie im folgenden Direktvergleich, wann Power BI Desktop gegenüber Excel im Vorteil ist.
Frustfrei und effizient: CSV-Dateien importieren, komplettieren und analysieren
Das Analysieren von Daten sorgt oft für Frust, denn nach dem Import müssen sie häufig noch mit Berechnungen vervollständigt werden. Erst dann kann mit der Auswertung begonnen werden. Ab Excel 2016 ändert sich das: Daten lassen sich nicht nur effizienter importieren, sondern gleich noch um eigene Berechnungen ergänzen. Import und Auswertung also in einem Schritt. Und die einfache Aktualisierung gibt’s noch obendrauf.
Ergebnisse in einer Auswertung gruppieren: Wie ich einen ungefähren SVERWEIS in Power Query realisiere
Einer meiner Kunden möchte seine Umsätze in fünf Preiskategorien – A bis E – auswerten. Die Umsatzdaten werden per Power Query aus einer SQL-Datenbank gezogen und aufbereitet. Doch wie lassen sich in Power Query die Verkaufspreise einer der fünf Kategorien zuordnen?
Bild 1: Die Umsätze sollen in Power Query nach Kategorien ausgewertet werden
Mein erster Gedanke: Das ließe sich doch mit einem Join in Power Query lösen. Doch das funktioniert nicht. Denn mit einem Join können nur Werte abgeglichen werden, die genau übereinstimmen. Das ist hier nicht der Fall. Folglich brauche ich etwas wie einen SVERWEIS mit ungefährer Übereinstimmung. Diese Lösung baue ich wie folgt auf.
Excel-Tutorial: Mit Power Query und Pivot die Altersstruktur einer Firma lückenlos darstellen
Die Kenntnis der Altersstruktur der Mitarbeiter/innen ist für viele Unternehmen essentiell. Die Analyse wird oft auf folgende Weise erstellt:
1) Zunächst wird der aktuelle Bestand der Beschäftigten beschafft, der Zu- und Abgänge berücksichtigt.
2) Dann wird das Alter der Beschäftigten berechnet.
3) Liegen die Informationen zu 1) und 2) vor, wird ermittelt, wie viele Personen zu jeder Altersgruppe gehören. Dafür werden die Altersangaben gruppiert.
Schritt 3 lässt sich über eine Pivot-Auswertung realisieren. Allerdings stellen sich dabei folgende Fragen:
- Wie lässt sich AUTOMATISIERT die Liste der aktuell Beschäftigten mit ihrem gegenwärtigem Alter bereitstellen?
- Wie lässt sich das Alter ermitteln, ohne die Ausgangsdaten mit Zusatzspalten erweitern zu müssen?
- Wie lässt sich sicherstellen, dass bei fehlenden Daten für eine Altersstufe die Achse im Pivot-Diagramm trotzdem lückenlos ist?
Die Lösung bringen zwei Abfragen, die über den Power Query-Editor generiert und anschließend beim Aufbau der Pivot-Tabelle genutzt werden. Das Pivot-Diagramm ist dann zum Schluss im Nu erstellt.
Der Einsatz von Power Query bringt noch einen weiteren Vorteil: Das Mindest- und Höchstalter der Beschäftigten lässt sich je nach Bedarf flexibel für die Pivot-Tabelle anpassen.
Ein TUTORIAL zeigt anhand zahlreicher Bildschirmfotos, wie die Lösung Schritt für Schritt aufgebaut wird. Wer mitmachen will, kann sich auch gleich die Übungsdatei herunterladen. Hier geht’s zum Tutorial und der Übungsdatei.
