Jak Excel zruinuje váš byznys! | Mňamka #398

🕺Nejpoužívanější databáze na světe!

Excel je nejpoužívanější tabulkový editor, potažmo “databáze” všech dob. Téměř každý ho zná, spousta lidí ho miluje. Ano, je intuitivní, můžete v něm vykonávat rychlé kalkulace, vytvářet reporty, ad-hoc analýzy, ale…

Ouvej, toto, bolí…

Setkal jsem se za svou prozatímní kariéru s mnoha “Excelovými velmocemi” (velké firmy, které jedou na tabulkových editorech) a tak mohu říct, jaké jsou, dle mého názoru, největší bolístky pokud řešíte data v Excelu.

💾 Big Data, aneb kolik tam toho narveme?

V BizzTreat jsem si vždy dělal srandu otázkou na kolegy: “Víš od kolika záznamů (počet řádků v tabulce) se jedná o big data?” Kolega či kolegyně zamhouřili oči a odpověděli: “Ne, kolik?” Já odpověděl: “Milion, protože to je maximum, které narveš do Google Sheetu.” A to je ještě otázka, zda tam i tento počet záznamů budete schopni dostat a s tabulkou těchto rozměrů pracovat. Zažil jsem několik Google Sheetů se stovkami tisíc záznamů a reakční doba těhle monster je přinejmenším frustrující.

⏱️ Čas

Naházet pár tabulek do Excelu a udělat pivotku, to je přece super jednoduché a rychlé. No jasně, ale ve chvíli kdy potřebujete vidět ještě tohle a tohle, což budete potřebovat, tak se z daného souboru stává neřízená střela. Nedej bože pokud tam těch dat narveme opravdu dost, stane se pravděpodobně jedna z těchto situací:

Proč se to tak dlouho otvírá? 🤯

Hele, ono mi to napsalo, že program neodpovídá, co mám dělat? 🤯

Tady když kliknu, tak to trvá 5 minut, než něco vidím. 🤯

Heleď, budu to mít hotový příští týden, chvíli to trvá ta konsolidace. 🤯

Kdy tam budou data za minulý měsíc? 🤯

Já to dám uložit a jdu na kafe. ☕😀

🚧 Jedno místo pravdy

Přišli jsme na poradu a Karel říká: “Počet prodaných kusů za poslední měsíc je XY a marže z nich YZ.” Jana na to: “Ne ne ne, Karle tohle je špatně, já jsem si to teda spočetla jinak a vychází mi jiné číslo. Počítáš tam vratky?” Určitě si domyslíte, že celý meeting se točil dále jen okolo toho, jak teda má být metrika pro dané ukazatele správně a co se týče výsledků minulého měsíce, tak jsme se k správnému číslu nedopátrali.

“Čau Venco, prosím tě a který ten plán je na tenhle rok? Vidím jich tu pět.” Ano, Excely často vznikají a vznikají, ale méně často zanikají. Hledat pak ve 150 souborech ten pravý, abych se dozvěděl potřebnou informací, nemusí být zrovna příjemné.

Shrnuto a podtrženo, dalším problémem “Excelových velmocí” je, že nemáte jedno místo pravdy. Tam kde se opravdu rychle a efektivně můžete spolehnout na to, že dané číslo odpovídá realitě a nikdo jej nebude zpochybňovat.

❌ Chyby

“Moment, já to tady doťukám a už běžím…” řekla Marta, než běžela s kolegy na oběd. Jenže v tu chvíli už přemýšlela nad tím, zda si dá svíčkovou nebo koprovku a zaměnila ve vzorci 2 sloupce. Komu se kdy nestalo, že by udělal chybu v Excelovém vzorečku? Asi každému…

Takové a jiné chyby ale mohou mít nedozírné dopady. Jednou se nám dokonce stalo, že firma jela podle odsouhlaseného budgetu, který ale odpovídal minulému roku. Všimli si toho až 3 měsíce později, kdy se zdálo být něco divně. 😄

🔐 Bezpečnost

“My to dneska už máme v cloudu. Tam můžeme spolupracovat vyplňovat tabulky společně, vlastně i vidím, kdo a co posledně upravil.“ říká pan Vladimír ze společosti XY.

Ptám se: “A nestahujou si to lidi i přesto na svůj lokální laptop/desktop?”

Vladimír: “No, někteří ano. Jsou na to zvyklí.”

Opravu chcete, aby vaše citlivá firemní data byla uložena někde na lokále, firemním či ještě hůře osobním zařízení, které může být velmi jednoduše napadeno?

💸 Peníze

V neposlední řadě vás může tohle excelování stát pěknou fůru peněz. Pojďme si to opět ukázat na příkladu.

Při jednom rozhovoru jsem položil několik otázek panu Tomášovi, který měl na starosti IT oddělení ve firmě. Odpověděl následovně:

Celkový počet zaměstnanců ve firmě: 500

Kolik zaměstnanců pracuje s Excelem: 40

V kolik v průměru stráví času prací s Excelem, aby měli potřebná data/informace: 3 hodiny týdně

Jaká je jejich průměrná mzda: 300,-Kč

Tak si to teda pojďme spočítat. 40 zaměstananců x 2 hodiny x 47 pracovních týdnů x 300,-Kč

Celkově: 1 692 000,-Kč

“Za to už se dá stavět slušné business intelligence nemyslíte, pane Tomáši?” Pan Tomáš jen zíral a nevěřil svým očím. A to záměrně nepočítám čas (ušlou příležitost), který by zaměstnanci mohli věnovat jiným aktivitám, které si myslím, že by pro byznys měly rozhodně přínos. 🙂

🤔 Excelovat či neexcelovat?

To je to oč tu běží. 😀 Absolutně neříkám, že tabulkové editory jsou špatné, sám je používám na nějaké rychlé ad-hoc analýzy nebo jako pomocný datový zdroj pro manuální vstupy. Co si však myslím je, že pro řízení středně velkých či velkých firem jsou už dávno tabulkové editory utopií.

Zapomněl jsem na něco? Chcete se na něco zeptat? Napište mi. Rád to s vámi proberu.

Patrik

Patrik Samko
Datový detektiv
Linkedin

Líbí se vám článek? Ochutnejte naše mňamky.

Data Storytelling: Rychlé vs Pomalé datové myšlení | Mňamka #525

Data Storytelling: Rychlé vs Pomalé datové myšlení | Mňamka #525

Znáte ten pocit, když se už několik desítek minut hrabete ve složité tabulce a stále nemůžete najít odpovědi na svoje otázky? My už dávno ne. Umíme si totiž najít zkratku z pomalého myšlení do toho rychlého.

Keboola a Kai PromtLab | Mňamka #524

Keboola a Kai PromtLab | Mňamka #524

Objavte PromptLab, sofistikované riešenie od Kebooly a Kai PromtLab na zlepšenie interakcií s umelou inteligenciou. V tomto článku sa dozviete, ako PromptLab využíva technológiu Streamlit na automatické prispôsobovanie výziev za účelom dosiahnutia lepšej jasnosti a presnosti vo vašich projektoch. Oboznámte sa s intuitívnym rozhraním, ktoré vám umožní porovnávať výsledky a optimalizovať pracovné postupy.

Základní pojmy v datovém modelování | Mňamka #457

Základní pojmy v datovém modelování | Mňamka #457

Co je to datový model? Jaký je rozdíl mezi konceptuálním a logickým modelem? A k čemu slouží proces tzv. normalizace? Bez datového modelování se dnes v BI obejdete už jen stěží, Kuba si o něm proto připravil krátkou minisérii, ve které si vše probereme od úplných základů. V prvním díle se seznámíme s nejdůležitějšími pojmy, které byste v této souvislosti měli znát, a na jednoduchém příkladu z oblasti sales si ukážeme, jak takový datový model vlastně vypadá. Tak pojďme na to!