Da Lone åbnede sit første datasæt og stillede de rigtige spørgsmål

Et regneark, som ingen turde røre ved

Lone arbejder på et kontor hos en mindre virksomhed i Jylland og havde i flere år modtaget månedlige eksporter fra virksomhedens system. Filerne endte i en mappe, og når nogen spurgte, hvad tallene sagde, svarede hun ud fra overskrifterne i de første rækker. Hun meldte sig til modulet om datasæt og grundbegreber, fordi hun ville kunne forklare, hvad hun kiggede på, uden at gætte.

Da hun kom til første undervisningsgang i efteråret, havde hun taget et udtræk med, som hun mente var uskyldigt. Det var et ark med tolv kolonner og et par tusind rækker. Jeg bad hende om ikke at regne på noget den første halve time, men blot at beskrive arket med sine egne ord: hvad en række er, hvad en kolonne er, og hvad der mangler.

Det lyder som en lille øvelse, men for mange er det første gang, de bevidst ser på datasættets opbygning i stedet for på de tal, der springer i øjnene. Lone fandt hurtigt ud af, at hun ikke kunne svare på, hvad en række egentlig repræsenterede.

Hvad en række egentlig er

Den første konkrete opdagelse var enhedens betydning. I Lones ark kunne en række være en ordre, en ordrelinje eller en kunde, afhængigt af hvilken kolonne man kiggede på. Hun havde tidligere talt rækkerne og kaldt resultatet for antal kunder. Det passede ikke, for samme kunde optrådte flere gange, hver gang med en ny dato.

Vi gennemgik begrebet observationsenhed på hendes eget materiale. Når man ved, hvad en række står for, ved man også, hvad det giver mening at tælle, summere og sammenligne. Det er et af de grundbegreber, som ofte springes over, fordi det virker for selvfølgeligt til at blive sagt højt.

Lone skrev sætningen ned i sit notatark: én række er én ordrelinje. Derefter genberegnede hun det antal, hun tidligere havde rapporteret, og landede på et markant lavere tal. Hun var ikke begejstret, men hun var tydeligt lettet over at kunne forklare forskellen, i stedet for at håbe på, at ingen spurgte.

• Find ud af, hvad én række står for, før du tæller noget
• Notér enheden med din egen formulering
• Tjek, om samme person eller vare optræder flere gange

Variabler: tal, tekst og dato er ikke det samme

Næste skridt var at gennemgå kolonnerne én for én. Vi lavede en simpel oversigt med kolonnens navn, hvad den indeholder, hvilken type værdi det er, og om der er tomme felter. Lone opdagede, at kolonnen med beløb delvis var gemt som tekst, fordi nogle celler indeholdt et punktum som tusindtalsseparator og andre et komma.

Det betød, at hendes summer i månedsrapporten havde været for lave i flere måneder, uden at nogen havde bemærket det. Hun havde ikke gjort noget forkert i sin formel; fejlen lå i, hvordan værdierne var lagret. Det er en typisk historie, og den viser, hvorfor man ser på variablernes type, før man beregner.

Vi talte også om forskellen på kategoriske og kvantitative variabler. En postnummerkolonne ligner et tal, men det giver ingen mening at lægge postnumre sammen. Lone grinede lidt, for hun havde engang beregnet et gennemsnit af netop den kolonne, som en del af en hurtig kontrol.

• Skriv en kort variabeloversigt, før du analyserer
• Kontrollér, om tal er gemt som tekst
• Regn ikke på koder, selvom de ligner tal

De første kritiske spørgsmål til tallene

Når datasættets opbygning var klar, øvede vi de spørgsmål, man bør stille, før man udtaler sig. Hvem har indsamlet tallene, og til hvilket formål? Hvilken periode dækker de? Hvad er udeladt? Lone havde ikke tænkt på, at udtrækket kun dækkede aktive kunder, så de, der var stoppet, fandtes slet ikke i arket.

Det ændrede hendes læsning af en tilsyneladende positiv udvikling. Gennemsnitsbeløbet per kunde var steget, men det kunne skyldes, at små kunder løbende var forsvundet fra datasættet. Vi blev enige om, at hun ikke kunne konkludere noget om årsagen, kun beskrive, hvad der stod i arket.

Det er en nøgtern konklusion, og den er netop pointen. Man behøver ikke have en forklaring på alt, men man skal kunne sige, hvad tallene dækker, og hvad de ikke dækker. Lone formulerede tre spørgsmål, som hun nu stiller til enhver ny fil, hun modtager.

• Hvem har lavet datasættet, og hvorfor?
• Hvilken periode og hvilke grupper dækker det?
• Hvad er der ikke med?

Hvad Lone gjorde anderledes bagefter

Ugen efter kom Lone med en udskrift af sin nye månedsrapport. Øverst havde hun tilføjet en kort note med datasættets enhed, periode og kendte begrænsninger. Det fyldte fire linjer, men gjorde, at modtagerne kunne læse tallene med de rigtige forbehold.

Hun havde også rettet kolonnen med beløb, så alle værdier var tal, og lavet en lille kontrolcelle, der tæller rækker og sammenligner med antallet i kildesystemet. Ingen af delene krævede avancerede funktioner, kun opmærksomhed på det, der allerede lå i arket.

Jeg har set flere kursister gøre noget lignende. Gevinsten er sjældent en spektakulær opdagelse, men en stille sikkerhed i at kunne forklare, hvad man har foran sig. Det er også det, modulet sigter mod: at du kan læse et datasæt omhyggeligt og stille spørgsmål, før du bruger det til noget.

Det, du kan tage med fra Lones forløb

Lones case er lille, og netop derfor er den nyttig. Den viser, at grundbegreber ikke er teori for teoriens skyld, men en måde at undgå fejl, der ellers sniger sig ind i rapporter og beslutninger uden at blive opdaget.

Hvis du har et datasæt liggende, kan du prøve den samme rækkefølge: beskriv rækken, gennemgå kolonnerne, find tomme felter og stil de tre spørgsmål om kilde, periode og udeladelser. Gør det, før du laver en eneste beregning.

Undervisningen hos finexolar er rent uddannelsesmæssig, og øvelsesmaterialet er udelukkende til læring. Lones eksempel handler om arbejdsmetode, ikke om anbefalinger af nogen art.

• Beskriv først, regn bagefter
• Gem forbehold sammen med tallene
• Brug øvelsesdata, når du træner

Lone kom for at lære at forstå sit eget regneark og gik derfra med en fast rækkefølge: se på opbygningen, kontrollér variablerne, og stil spørgsmål til kilde og afgrænsning. Det kræver ingen særlig software, kun tålmodighed og en vane med at skrive det ned, man ser. Det er et godt sted at begynde, uanset hvilke tal du arbejder med.