Ryd op i dine regneark, før årets sidste rapporter skal bruges

Hvorfor rensning hører til i efteråret

Når oktober går på hæld, begynder de fleste arbejdspladser at samle tal til budgetter, årsopgørelser og de første udkast til næste års planer. Netop her opdager mange, at de regneark, der har fået lov at vokse hele året, er fyldt med rod. Kolonner er omdøbt undervejs, nogen har indtastet datoer på fire forskellige måder, og de samme kunder står nu med flere stavemåder.

Rensning er ikke et glamourøst arbejde, men det er der, de fleste fejl i en analyse starter. Et gennemsnit beregnet på et datasæt med dubletter bliver forkert, uden at nogen kan se det på resultatet. Derfor er den bedste investering i disse uger at bruge en eftermiddag på selve materialet, før du bygger noget oven på det.

Som underviser i datarensning ser jeg ofte, at kursister springer direkte til diagrammerne. De bliver pæne, men de hviler på sand. Jeg foreslår en fast rækkefølge, så du ikke skal huske alt på én gang: først overblik, så dubletter, så tomme felter og til sidst formater.

Start med et overblik, ikke med rettelser

Før du retter noget, så lav en kopi af filen og giv den et navn, der fortæller, at det er arbejdskopien. Originalen skal ligge urørt, så du altid kan vende tilbage. Det lyder banalt, men det er den regel, der oftest redder en eftermiddags arbejde.

Brug derefter nogle minutter på bare at kigge. Hvor mange rækker er der, og hvilke kolonner findes? Hvad står der i den første og den sidste række? Sortér hver kolonne efter størrelse og læg mærke til de laveste og højeste værdier. Et beløb på nul eller en alder på 250 er sjældent rigtigt.

Skriv undervejs en kort liste over det, du lægger mærke til. Listen bliver din plan for resten af arbejdet og senere dokumentationen for, hvad du har ændret. Kan du forklare en kollega, hvad der er rettet og hvorfor, er du allerede langt bedre stillet end de fleste.

• Lav en arbejdskopi, før du ændrer noget
• Sortér hver kolonne og se på yderværdierne
• Notér afvigelser på en liste, mens du går

Dubletter: find dem, og vurdér dem

En dublet er ikke altid en fejl. To rækker med samme kundenavn kan være to rigtige køb på forskellige dage. Så før du sletter, så beslut, hvad der gør en række unik i netop dit datasæt. Det kan være et ordrenummer, en kombination af navn og dato eller en kode.

I et regneark kan du markere gentagne værdier med betinget formatering eller bruge funktionen til at fjerne dubletter på de kolonner, du har valgt. Vælg kolonnerne med omtanke. Vælger du dem alle, fjerner du kun rækker, der er helt ens, og de næsten ens, som ofte er problemet, bliver stående.

Typiske næsten-dubletter skyldes små forskelle: et mellemrum til sidst, store og små bogstaver eller en forkortelse. Ret først disse forskelle ved at fjerne overflødige mellemrum og gøre skrivemåden ens, og søg derefter efter dubletter igen. Du vil ofte finde flere, end du forventede.

• Afgør først, hvad der gør en række unik
• Fjern mellemrum og ensret skrivemåde før den anden søgning

Tomme felter kræver en beslutning, ikke en gætning

Et tomt felt kan betyde mange ting: at oplysningen mangler, at den ikke gælder, eller at nogen har glemt at skrive den. De tre tilfælde skal ikke behandles ens. Hvis du udfylder alle huller med nul, påstår du, at noget er målt til nul, selv om ingen har målt det.

Start med at tælle, hvor mange felter der mangler i hver kolonne. Mangler der kun få procent, kan du ofte lade rækkerne stå og blot udelade dem fra den beregning, hvor feltet indgår. Mangler halvdelen, er kolonnen måske ikke brugbar, og det er en vigtig oplysning i sig selv.

Hvis du vælger at udfylde eller fjerne noget, så skriv det ned. Opret gerne en ekstra kolonne, der markerer, hvilke rækker der er ændret. På den måde kan en anden følge dine valg, og du kan selv forklare dem om tre måneder, når du har glemt detaljerne.

• Tæl manglende felter pr. kolonne først
• Brug aldrig nul som standardudfyldning
• Markér ændrede rækker i en ekstra kolonne

Fejlformater: datoer, tal og tekst der ligner tal

Fejlformater er snigende, fordi de ser rigtige ud. En dato som 03.11 kan betyde den tredje november eller den ellevte marts, afhængigt af hvem der har skrevet den. Et tal med punktum som decimaltegn kan blive læst som tekst, så summen i bunden pludselig er for lav.

Tjek hver kolonnes type. Står tallene til venstre i cellen, er de ofte tekst. Brug en funktion, der omdanner tekst til tal, eller erstat decimaltegn systematisk, og kontrollér bagefter, at summen af kolonnen er rimelig. Samme fremgangsmåde virker på datoer: opdel dem i dag, måned og år, og saml dem igen i ét ensartet format.

Test altid med et par rækker, du kender svaret på. Find en post, hvor du ved, hvad datoen eller beløbet skal være, og se, om resultatet passer. Det tager to minutter og afslører de fleste misforståelser, før de spreder sig til hele arket.

• Tal, der står til venstre i cellen, er ofte tekst
• Ensret datoer i ét format og test på kendte rækker

En realistisk plan for de kommende uger

Du behøver ikke rense alt på én dag. Vælg det regneark, der skal bruges først, og giv det en fast eftermiddag. Næste uge tager du det næste. Mange oplever, at anden gang går på halvdelen af tiden, fordi de nu ved, hvad de leder efter.

Lav gerne en lille tjekliste, du genbruger: arbejdskopi, overblik, dubletter, tomme felter, formater, kontrolsum. Når listen er gjort til vane, bliver rensning en rolig del af arbejdet frem for en brandslukning kort før en frist.

Ret ikke kun symptomerne. Hvis de samme fejl dukker op hver gang, så se på, hvor data kommer ind. Et rullegardin i stedet for fri tekst eller en fast datoformel kan spare dig for hundredvis af rettelser næste år.

Rene data er ikke et mål i sig selv, men en forudsætning for, at tallene kan stoles på. Tag arbejdet i en fast rækkefølge, skriv dine valg ned, og kontrollér summerne undervejs. Begynd med ét regneark i denne uge, og lad vanen brede sig. Når årets rapporter skal samles, vil du være glad for den ro, som velordnede data giver dig.