Työskentely Raakatuodun Datan Kanssa

Todellisessa työelämässä harvoin luodaan tietojoukkoja alusta alkaen Excelissä. Useimmiten työskennellään ulkoisista lähteistä peräisin olevan datan kanssa — CSV-tiedostot, järjestelmien raportit tai verkkosivuilta kopioitu tieto. Tätä tietoa kutsutaan raakaimportoiduksi dataksi, ja se on yksi tärkeimmistä ongelmien lähteistä Excelissä.

Keskeinen ongelma on, että Excel ei aina tunnista oikein tuodun datan rakennetta ja tietotyyppejä. Vaikka kaikki näyttäisi visuaalisesti olevan kunnossa, data voi olla "likaista" jo heti avattaessa tai liitettäessä.

Esimerkiksi CSV-tiedostoa avattaessa Excel päättää automaattisesti, miten kukin sarake tulkitaan. Joskus arvaus osuu oikeaan, mutta usein ei. Numerot voivat muuttua tekstiksi, päivämäärät voidaan tulkita väärin alueasetuksista riippuen, ja osa arvoista voi menettää alkuperäisen muotonsa.

Kopioiminen ja liittäminen aiheuttaa omat ongelmansa. Solujen alkuun tai loppuun ilmestyy usein ylimääräisiä välilyöntejä, näkymättömiä merkkejä voi tulla mukaan ja muotoilu voi muuttua epäjohdonmukaiseksi. Verkkosivuilta kopioitu data on erityisen ongelmallista, koska siinä voi olla piilotettuja HTML-merkkejä, jotka eivät näy Excelissä.

Keskeinen huomio

Raakaimportoitua dataa ei tule koskaan luottaa suoraan. Ennen käyttöä tulee aina olettaa, että: muodot voivat olla epäjohdonmukaisia ja arvot voidaan tulkita väärin.

Ensimmäinen vaihe ei ole analyysi — vaan datan tarkistaminen ja valmistelu.